Paritok
Paritok 是一款压缩网关，通过过滤工具模式和摘要对话历史来减少 AI 编程智能体的 Token 使用量。它旨在优化长会话的性能，在保持上下文完整性的同时显著降低 API 成本。
- 收录于 AIToolly
Paritok 是什么？产品概览
产品用途与官方定位
Paritok 是一款专为 AI 编程智能体设计的压缩网关，旨在管理 Token 消耗。它作为一个中间层运行，通过过滤工具模式、压缩文件读取内容以及摘要对话历史，有效减小发送到上游模型的请求体积。
该工具利用在智能体轨迹上训练的 4B 模型来识别关键代码元素（如标识符和错误消息）。它通过为压缩数据添加标签来维持非破坏性工作流，使智能体能够在不启动新模型轮次的情况下恢复原始内容。
Paritok 可以用来做什么？
有官方来源支持的使用场景
上下文窗口管理
该公司展示了一个客户案例，其中编程智能体被限制在 32,768 个 Token 的上限内，并使用 Paritok 来管理截断和压缩。
智能体会话优化
官方文档描述了如何使用该网关在 Claude Code 或 Cursor 等工具的长运行会话中减少 Token 开销。
如何使用 Paritok
官网提供的使用流程
- 1
网关配置
配置环境变量以将智能体流量路由通过 Paritok 网关。
- 2
上下文传输
将工具模式、对话历史和文件读取内容从智能体发送到网关。
- 3
自动压缩
允许网关使用 4B 模型过滤模式并压缩文件输出。
- 4
数据恢复
在需要时，使用引用标签检索特定片段的原始未压缩字节。
上下文管理杠杆
Paritok 采用三种主要机制来减少 AI 智能体会话的 Token 占用空间。它通过保留相关工具并存根其他工具来过滤工具模式，这有助于在不同轮次之间保持缓存稳定性。系统还使用专门的 4B 模型来压缩文件读取和工具输出，在减少总体数据量的同时保留必要的标识符。
此外，Paritok 通过摘要超出用户定义上下文预算的轮次来管理对话历史。这种方法确保最近的轮次保持不变，同时压缩旧信息以防止上下文窗口溢出。网关架构允许这些过程以非破坏性方式进行，因为原始数据仍可通过引用标签访问。
- 4B 模型驱动的片段压缩
- 基于上下文预算的历史摘要
- 基于引用的原始数据恢复
选择 Paritok 前需要测试什么
用自己的素材和工作流完成验证
- 通过监控环境变量配置，确认网关是否正确拦截请求。
- 验证 4B 模型在压缩文件读取输出期间是否保留了关键代码标识符。
- 通过为标记片段调用 read_original 函数，检查原始数据的恢复情况。
Paritok 来源与核对时间
核对了哪些信息以及核对时间
- 最后核对
- 分类
- 编程&IT
Paritok 常见问题
基于已核对产品资料的回答
Paritok 如何集成到现有的开发工作流中？
集成是通过设置环境变量（例如 ANTHROPIC_BASE_URL）来指向 Paritok 网关地址实现的，这使得现有工具可以无缝切换，无需修改核心逻辑。
压缩过程会导致数据永久丢失吗？
该过程是非破坏性的，因为 Paritok 会标记压缩片段，允许智能体在必要时检索原始字节，从而确保了开发过程中关键信息的完整性。
哪些 AI 模型和工具与该网关兼容？
Paritok 与 Claude Code、Cursor、Codex、OpenHands 以及任何与 OpenAI 兼容的上游模型兼容，为多种主流开发工具提供支持。
自托管该工具的硬件要求是什么？
该工具根据 Apache-2.0 许可证提供自托管选项，可以在至少拥有 8GB 内存的硬件上运行，适合需要本地处理敏感数据的企业环境。
系统如何处理非常长的对话历史？
一旦达到设定的上下文预算，Paritok 就会摘要最近窗口之外的轮次，以防止上下文溢出，同时确保模型能够理解之前的对话脉络和决策逻辑。
