@jmcombs/pi-headroom
通过本地代理压缩对话历史，节省上下文窗口。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：@jmcombs/pi-headroom。 它的用途是：通过本地代理压缩对话历史，节省上下文窗口。 完整的 Skill 内容见：https://321skill.com/skills/jmcombs-pi-headroom/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“我们来从头梳理一下这个微服务架构的设计，这是之前的讨论点……” 它会将你漫长的对话历史压缩后提交给LLM，让AI能在有限的上下文内理解整个讨论脉络，并给出连贯的后续建议。即使你的本地代理意外关闭，对话也能继续进行。
介绍
这个 Skill 解决了在长对话中使用大型语言模型时，上下文窗口（Token 数）快速耗尽的问题。它通过在每次调用 LLM 前，将整个对话历史通过本地运行的 Headroom 代理服务进行压缩，仅保留核心信息，从而有效节省宝贵的上下文空间，让对话能够持续更久。
使用时，你需要先在本地启动 Headroom 代理服务。然后，在 Pi 等 AI 平台中安装并启用此扩展。之后，你的每次对话请求都会先经过本地代理进行压缩处理，再发送给远端的 LLM。整个过程对用户基本透明，你只需像往常一样对话即可。
它非常适合那些需要与 AI 进行深度、多轮次对话的用户，例如进行复杂的代码审查、撰写长篇文档、开展研究性问答，或者任何需要频繁回溯之前对话内容的场景。对于开发者、研究人员、写作者等群体尤为有用。
需要注意的是，此 Skill 依赖本地 Headroom 代理服务。如果该服务未运行或无法连接，Skill 会优雅地降级为直通模式，即不压缩直接发送请求，确保基本功能可用。因此，要获得最佳效果，请确保本地代理稳定运行。此外，压缩算法可能会损失一些细节，对于要求绝对精确还原历史对话的场景需谨慎评估。
核心特点
核心区别在于其“优雅降级”机制：当本地 Headroom 代理不可达时，会自动转为直通模式，保证服务不中断；而同类压缩工具在代理失效时往往会导致请求失败。
注意事项
不适合对对话历史压缩后的信息保真度有极端要求的场景。
常见问题
Headroom 代理是什么？需要自己安装吗？
是的，Headroom 是一个独立的本地服务，需要用户自行安装和运行，本 Skill 是其客户端扩展。
压缩会丢失重要信息吗？
压缩旨在保留核心语义，但可能会丢失一些细节，适用于节省上下文为主、非逐字回溯的场景。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/jmcombs-pi-headroom/raw/index.md 读取 @jmcombs/pi-headroom 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/jmcombs-pi-headroom/raw/index.md（查看排版版本）