TOMC - 为 AI 助手压缩上下文并保存任务记忆的本地工具

TOMC 是一个面向 AI 编程助手的上下文处理工具。据项目说明，它基于「任务导向记忆编译」（Task-Oriented Memory Compilation，TOMC）方法，把冗长的对话历史压缩、编译成一份更短的上下文，同时通过显式保存的笔记提供任务记忆。它适合那些在 Codex、Claude Code、Cursor 等客户端里长时间工作、历史越滚越长、又希望在新会话里接续此前决策与进度的开发者。按 README 的描述，准备过程在 CPU 上完成，不需要训练，也不需要额外的模型服务。

维护者与状态

项目由 ZipengWu365 维护，仓库创建于 2026-10-06，最后提交时间为 2026-10-24。截至 2026-10-25，仓库获得 239 个星标。事实表显示该项目尚无正式 release，因此仓库层面没有可引用的正式版本号；项目自述中提到的 0.2.1 属于其自述的预览版本，与事实表的 release 状态不一致，此处以事实表为准。项目自述将自身定位为「研究预览」（research preview），并欢迎反馈、issue、pull request 与研究合作。

主要能力

以下能力均来自项目自述，未经本站验证：

• 上下文压缩与编译：给定一段历史、下一个任务和一个记忆预算，工具会挑选源文本，并计算有依据的状态、关系或计数记录，让应用用准备好的上下文替代完整历史。默认保留长历史的约 80%，也提供 40% 与 60% 的预算档位供自行比较。
• 任务记忆：通过 remember_memory 保存任务简报、决策、约束、已完成步骤与剩余工作，再用 recall_memory 把这些笔记准备给下一个任务。保存与召回都是显式工具调用，插件不会自动记录整段对话。
• 跨助手复用：在同一台电脑上让两个客户端共用同一个 TOMC 数据库时，可以复用已保存的决策、约束与下一步，项目自述中给出了 Codex → Claude Code → Codex 的交接示例。
• 上下文库与导出：上下文库可以生成自包含的续接提示，或导出为可移植的文本包交给另一个 Agent 或另一台电脑；导出包需要自行加入 Git，TOMC 不会自动提交或推送。
• 工具集：自述称共有十个工具，其中四个为只读工具：get_status、list_contexts、get_context 与 make_handoff。
• 桌面伴侣（beta）：一个小型桌面猫形象展示 TOMC 节省的 token、按各模型标价折算的价值及来源对话，并附带分析报告与上下文库；在 Windows 上还可通过本地网关自动处理 Codex 与 Claude Code 的请求。

使用入口

仓库地址：ZipengWu365/TOMC。项目自述称没有 PyPI 包，也没有公开市场列表，安装包需从仓库提供的下载渠道获取。

Claude Code 的接入方式为在客户端内执行插件市场命令并安装插件，随后在新会话中检查 MCP 是否出现对应条目；Codex CLI 则需下载插件 ZIP、解压到固定目录，并用 UV 运行安装脚本，先跑一次 --check 检查前置条件，再执行正式安装。Python API 方式要求 Python 3.10 以上，克隆仓库后以可编辑模式安装并运行示例：

git clone https://github.com/ZipengWu365/TOMC.git
cd TOMC
python -m pip install -e .
python examples/api_context.py

据项目说明，该示例只在本地准备并统计上下文，不发起模型调用；集成时应用应把 prepared.messages 放在原历史的位置发送。此外，Cursor、TRAE、Tencent WorkBuddy 与 Claude Desktop 通过本地 MCP 接入，其中前三者的客户端工具调用在自述中标注为尚未验证。

许可与限制

许可证为 MIT。

项目自述中列出的边界条件包括：节省幅度取决于历史与任务，短历史可以保持原样；自述中的测量覆盖合成项目历史与论文基准，各有自己的任务与协议，不能代表所有工作流的性能。宿主客户端管理着活跃对话，当 Codex、Claude Code 等宿主负责压缩时，TOMC 不会主动重新压缩该对话，未知宿主状态也默认归宿主所有，这属于工具使用策略而非自动压缩检测。自 0.2.0 MCP 运行时起，成功的准备与召回默认会把准备好的上下文和任务保存在本地，可在面板中关闭后续正文存储，已有快照需手动删除；仅含数字的旧统计无法重建此前的聊天内容。配置存在不等于连接可用，生命周期钩子也不替代原生模型请求。跨设备迁移笔记需手动使用 Git。