Chisle
从文风、代码量、工具输出三个方向削减 AI 编码 Agent 的 token 账单，且不牺牲准确率。
- Star 数
- ★ 723
- 最近更新
- 4 天前
- License
- MIT
- 主语言
- JavaScript
- FA 评分
- 66/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Codex · Claude CodeChatGPT · Claude.ai（部分支持）
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 日常用 Claude Code 写代码、想压低每月 token 支出的个人开发者
- 不适合
- 希望模型完全不写代码或只输出结论的团队
- 依赖大量第三方抽象与脚手架代码的项目
- 需要完全离线、不经任何包管理器安装的环境
- 源码审查
- 66/100 · 存在缺口
这个 Agent 能做什么，适合哪些场景？
Chisle 是一套注入式规则集与压缩钩子，用来减少 AI 编码 Agent 在会话中产生的 token。它做三件事：一是把回答里的客套、铺垫和多余结构删掉，二是用“YAGNI 阶梯”让 Agent 在写代码前先判断是否需要存在、是否已有实现、标准库或平台特性是否够用，三是在工具调用返回时用 PostToolUse、tool_result 或 postToolUse 钩子压缩过大的输出，再放回上下文。安装方式是执行 npx chisle，会自动识别 Claude Code、Pi、Cursor、Windsurf、Cline、Kiro、Antigravity、Codex、Gemini、Copilot、Copilot CLI、OpenCode、Hermes 等 13 个 Agent 并分别接线；--uninstall 可完整还原。项目零运行时依赖，MIT 许可，并把基准测试的原始记录一起提交在仓库里，包括它输掉的轮次。基准显示在 Claude Code（Haiku 4.5，26 条提示）回答长度为裸模型的 56%，在 Pi（GPT-5.5，6 个任务）为 37%，同时自动评分的准确率与裸模型持平（156/156 对 155/156，Fisher p = 1.000）。
安装后每次会话开始时注入一份精简规则集，规定回答不留填充语、不做无根据的保留、不生成未被要求的抽象，并保持代码符号、函数名、API 名和错误字符串原样。写代码前 Agent 依次过一遍 YAGNI 阶梯：是否需要存在 → 代码库中是否已有 → 标准库是否覆盖 → 平台原语是否覆盖（如用 CSS 替代 JS）→ 已安装依赖是否可用 → 能否一行完成 → 否则写最小可用代码，并在注释中用 // chisle: 标注哪些简化被有意跳过、何时该补回。输入侧通过 Claude 的 PostToolUse、Pi 的 tool_result、OpenCode 插件与 Copilot CLI 的 postToolUse 钩子，对超长工具输出执行 scrub、elide、dedup 后按原工具结构重建；Read、Edit、Write 的输出不被改动。npx chisle mcp wrap 在 stdio MCP 服务器前加一层代理，把同样的压缩用于 MCP 工具结果。可用 /chisle、/chisle off、stop chisle、normal mode 等命令切换开关。
- 日常用 Claude Code 写代码、想压低每月 token 支出的个人开发者
- 在多个 Agent（Cursor、Codex、Gemini CLI、Copilot）之间切换，希望统一一套精简规则的团队
- 经常让 Agent 跑 grep、日志或网页抓取，上下文很快被工具输出塞满的用户
- 需要在评审中看到可复核基准数据、而非只看营销数字的工程负责人
- 用 npx chisle mcp wrap 为 Cursor、Windsurf、Cline、Kiro 等接入 MCP 服务器、并想压缩 MCP 返回体的用户
如何安装或部署这个 Agent？
需要 Node.js 以运行 npx；安装过程会写入各 Agent 的配置目录，因此需要文件系统写权限。
一条命令安装并自动检测已装 Agent：
npx chisle也可用 curl 或 Windows PowerShell 安装：
curl -fsSL https://raw.githubusercontent.com/JayPokale/Chisle/main/install.sh | bashirm https://raw.githubusercontent.com/JayPokale/Chisle/main/install.ps1 | iex先预览再用 --dry-run，或只装某一个 Agent：
npx chisle --dry-run
npx chisle --only claude
npx chisle --only pi卸载并还原配置：
npx chisle --uninstall如何使用这个 Agent？
安装完成后无需额外操作，每个会话默认生效。用斜杠命令或自然语言切换：
/chisle
/chisle off
stop chisle
normal mode查看统计与配置见 docs/usage.md；把压缩扩展到 MCP 服务器：
npx chisle mcp wrap在代码中标记有意的简化，方便以后补回：
// chisle: global lock, per-account locks if throughput matters
// chisle: O(n) scan, index this when table exceeds ~10k rows这个 Agent 有哪些优点和局限？
- 三轴同时压缩：输出文风、代码体量、工具输出输入侧，而不是只做提示词精简
- 基准原始记录随仓库提交，并公开它输掉的轮次，结论可自行复核
- 零运行时依赖，一条 npx 命令自动接入 13 个 Agent，--uninstall 可还原
- 准确率有自动评分对照：156/156 对 155/156，48/60 对 49/60，未使用裁判模型
- Read/Edit/Write 输出明确不压缩，避免影响后续精确编辑
- 效果依赖具体模型与提示集，README 中 Pi 与 Claude Code 的收益幅度差异明显（37% 对 56%）
- 部分能力绑定具体 Agent 的钩子（如 Claude 的 PostToolUse、Pi 的 tool_result），不同 Agent 覆盖不完整
- 需要 Node.js 与网络下载 npx 包，且会修改各 Agent 的配置文件
- MCP 压缩需额外运行 npx chisle mcp wrap 代理，属于额外运维步骤
- 规则集源自 caveman 与 ponytail 的合并，若已在使用二者存在迁移与叠加问题
这个 Agent 与同类方案有什么区别？
与 caveman（精简文风）和 ponytail（懒资深开发者式代码规则）直接对比：同一提示下 Chisle 的回答分别为裸模型 token 的 56%（Claude Code）和 37%（Pi），低于 caveman 的 65%/56% 与 ponytail 的 58%/49%；在订单状态机示例中 Chisle 输出 450 answer tokens，caveman 为 1,140，ponytail 为 842。README 称 Chisle 是同类工具中唯一公布失败轮次的一个。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Chisle 当前 | 66 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 723 | 4 天前 | JavaScript | Codex · Claude Code |
| Agentic Plugin Marketplace | 66 · 存在缺口 | Agent 插件 / 技能免费 + 模型费 | ★ 42k | 11 天前 | Python | Codex · Claude Code |
| Netresearch Agentic 技能市场 | 56 · 缺口较多 | Agent 插件 / 技能免费 | ★ 84 | 今天 | JavaScript | Codex · Claude Code |
| Caveman 编码代理省令牌工具 | 75 · 表现良好 | 命令行工具免费版 + 付费版 | ★ 116k | 今天 | Go | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：SECURITY.md 明确 Pi 扩展以完整用户权限运行并要求安装前审阅源码；配置层声称 O_NOFOLLOW/0600 与符号链接安全；安装器提供 --dry-run 与 --uninstall；NOTICE 与 README 明确标注 caveman/ponytail 的 MIT 来源，归属做得好。扣分点：安装脚本通过 curl|bash 与 irm|iex 直接执行远程脚本，属于高权限外部效应且无签名校验；钩子会改写工具输出（虽声称 Read/Edit/Write 白名单），但静态文件无法证明；发布者身份未经验证，维护责任归属不清。
证据显示：CI 在 Node 18/20/22 上跑测试、规则/图表/样例同步检查、shell 语法检查与安装器冒烟测试；零依赖降低依赖可用性风险；发布流程用 OIDC 可信发布并校验 tag 与版本一致。扣分点：失败信息与错误处理细节在给定文件中几乎不可见，无法评估钩子失败时的降级行为；测试文件仅见基准夹具，未见针对钩子/压缩器的测试内容。
证据显示：覆盖 13 个 agent，逐 agent 安装/更新说明详尽，Windows 有专门文档与 PowerShell 变体，能力边界（哪些 agent 有双轴、哪些只有静态规则、哪些无实时开关）写得清楚。扣分点：触发精度依赖自然语言（"normal mode"、"chislify this"）与输出风格检测，存在误触发/冲突风险；静态规则 agent 无法读取运行时配置，能力不一致。
证据显示：README 结构清晰，INSTALL/usage/benchmarks 分层，FAQ 与已知局限（含引用批评者 #2 的反对意见）诚实，MIT 许可证完整，CHANGELOG 与发布流程存在。扣分点：未在给定文件中看到 CHANGELOG 内容本身；发布者未经验证，维护责任与更新路径的问责主体不明确，故 maintenance_responsibility 仅给 1。
证据显示：基准表给出与 caveman/ponytail 的对比及准确率持平数据，并公开失败运行；--stats 提供输入轴节省量化。扣分点：输出轴收益依赖 A/B 基准而非用户自身数据；FAQ 自承单行提示下开销大于节省，且 prose 仅占输出约 25%，边际价值有限；所有数字均为项目自报，未经独立复现。
证据显示：声称每个数字来自已提交的原始转录，提供 raw 结果目录、方法与 writeup 链接，并区分输入轴（可计数）与输出轴（需 A/B），事实与推断分离较好。扣分点：静态审查无法核对原始转录与统计（如 Fisher p 值）是否与声称一致；部分对比（caveman/ponytail 数字）依赖外部项目，交叉佐证有限。
- 安装脚本通过 curl|bash 与 irm|iex 直接执行远程代码，且无签名校验；建议先下载审阅或使用 --dry-run。
- 钩子会改写工具输出，静态审查无法验证 Read/Edit/Write 白名单与错误行保留是否真的生效，建议在敏感仓库先小范围试用。
- 发布者身份未经验证，维护责任与安全响应主体不明确；SECURITY.md 仅提供个人邮箱。
- 基准数字均为项目自报，未经独立复现；输出轴收益在单行提示下可能为负。
- Pi 扩展以完整用户权限运行，安装前应审阅源码。