Beschreibung
Thinker wurde entwickelt, um die Leistung von Coding-Agenten zu optimieren, indem der Tokenverbrauch erheblich reduziert und die Effizienz verbessert wird. Dies wird erreicht, indem eine detaillierte Aufschlüsselung bereitgestellt wird, wie der Kontext eines Agenten genutzt wird, was Entwicklern ermöglicht, unnötige Informationen zu identifizieren und zu eliminieren. Das Tool visualisiert, wo der Kontext hingeht, und zeigt die Tokenkosten jedes Anweisungsabschnitts, jeder Fähigkeit und jedes Werkzeugs pro Sitzung sowie die Häufigkeit der Interaktion der Agenten mit ihnen.
Weiterlesen
Eine der Kernfunktionen von Thinker ist die Fähigkeit, verschwendeten Kontext zu reduzieren. Es hilft den Nutzern, herauszufinden, was ihre Agenten laden, aber selten verwenden, und bietet Vorschläge zur Kompression, Kürzung oder Deaktivierung irrelevanter Abschnitte. Dieser Prozess kann zu erheblichen Einsparungen bei den Eingabetokens und verkürzten Verarbeitungszeiten für verschiedene Modelle führen, einschließlich Claude Fable, Gemini Flash und GPT-6 Astra. Nutzer können vorgeschlagene Einsparungen aus den letzten Sitzungen überprüfen und Änderungen anwenden, die als Diff angezeigt und als Pull-Request zur Überprüfung und Zusammenführung geöffnet werden können.
Thinker integriert auch einen Wissenscache, der aus vergangenen Sitzungen lernt. Dieser Cache speichert relevante Notizen über den Code, die dann in zukünftige Aufgaben eingebracht werden, um den Agenten den benötigten Kontext zu bieten, ohne dass sie umfangreiche Informationen erneut lernen oder suchen müssen. Diese Notizen werden aktuell gehalten, indem Abhängigkeiten gegen den Arbeitsbaum neu gehasht werden, um sicherzustellen, dass veraltete Informationen nicht bereitgestellt werden. Das System destilliert automatisch Sitzungen, durchsucht zusammengeführte Pull-Requests und ermöglicht es den Nutzern, eigene Notizen hinzuzufügen, um das kontextuelle Verständnis des Agenten kontinuierlich zu verbessern.
Das Tool unterstützt eine Vielzahl von Coding-Agenten, einschließlich Claude Code, Codex CLI, Gemini CLI, Cursor, Pi, Windsurf Cascade, GitHub Copilot CLI und OpenCode. Es integriert sich nahtlos in bestehende Arbeitsabläufe und verbindet Agenten maschinenweit oder über Erweiterungen und Hook-Dateien. Thinker arbeitet im Hintergrund und bietet wöchentliche Vorschläge zur Optimierung an, wobei Nutzer Änderungen durch eine einfache Antwort oder über eine lokale Benutzeroberfläche genehmigen können.
Neben der Reduzierung des Kontexts bietet Thinker Funktionen wie die Kompression von Werkzeugausgaben, die die Tokenkosten drastisch senken kann, indem große Datei-Lesevorgänge, Testprotokolle und Suchergebnisse auf die relevantesten Informationen gekürzt werden. Es gewährleistet die Richtigkeit, indem es die Nutzung vor den Kürzungen misst, wesentliche Regeln während der Kompression beibehält und klare Rückgängig-Optionen für alle Änderungen bereitstellt. Die Plattform bietet auch detaillierte Berichte zur Verfolgung des Tokenverbrauchs, der Kosten und der Effektivität des Caches, sodass Nutzer Einsparungen und die Leistung der Agenten im Laufe der Zeit überwachen können.
- KategorieKI-Programmierassistenten
- BereitstellungLokal
- PlattformenWeb
thinker's Kernfunktionen
Kontextnutzungsvisualisierung: Zeigt Tokenkosten und Nutzungshäufigkeit für Anweisungsabschnitte, Fähigkeiten und Werkzeuge.
Identifikation von verschwendetem Kontext: Erkennt geladenen Kontext, der von Coding-Agenten selten verwendet wird.
Kontextkompression: Schreibt Anweisungsabschnitte um, um die Länge zu reduzieren und gleichzeitig kritische Informationen beizubehalten.
Kontextkürzung: Entfernt ungenutzte Anweisungsabschnitte vollständig.
Verwaltung von Fähigkeiten und Werkzeugen: Ermöglicht das Deaktivieren ungenutzter Fähigkeiten, MCP-Server, Plugins und integrierter Werkzeuge.
Kompression von Werkzeugausgaben: Kürzt große Werkzeugergebnisse (Datei-Lesevorgänge, Testprotokolle, Suchen) auf relevante Zeilen.
Wissenscache: Lernt und speichert Notizen aus Sitzungen, um relevanten Kontext für zukünftige Aufgaben bereitzustellen.
Automatisches Lernen: Destilliert Sitzungen, um neue Notizen zu erstellen und bestehende zu überprüfen.
Erkennung veralteter Notizen: Neu-Hashing von Notizen-Abhängigkeiten zur Identifizierung und Überprüfung veralteter Informationen.
Wöchentliche Optimierungsvorschläge: Bietet automatisierte Empfehlungen zur Einsparung von Tokens.
Integration von Pull-Requests: Generiert Pull-Requests für Anweisungsänderungen zur Überprüfung.
Token- und Kostenverfolgung: Bietet Berichte zur Überwachung des Tokenverbrauchs und der Kosten im Laufe der Zeit.
Agentenkompatibilität: Unterstützt Claude Code, Codex CLI, Gemini CLI, Cursor, Pi, Windsurf Cascade, GitHub Copilot CLI, OpenCode.
Lokale UI und Terminalzugang: Bietet sowohl browserbasierte als auch Befehlszeilenoberflächen für die Verwaltung.
Rückgängig-Optionen: Bietet klare Methoden, um alle angewendeten Änderungen oder Optimierungen rückgängig zu machen.
Wie verwendet man thinker?
Thinker installieren: Verbinden Sie Ihre Coding-Agenten, indem Sie den Installer ausführen, der sie in ihre Einstellungen integriert.
Einsparungen finden: Überprüfen Sie vorgeschlagene Kürzungen für Anweisungen, Fähigkeiten und Werkzeuge basierend auf der Analyse der letzten Sitzung.
Auswahl anwenden: Vorschau der Anweisungsänderungen als Diff und öffnen Sie einen Pull-Request, um sie zusammenzuführen.
Fähigkeiten/Werkzeuge verwalten: Deaktivieren Sie ungenutzte Fähigkeiten, MCP-Server, Plugins oder integrierte Werkzeuge für bestimmte Repositories.
Werkzeugausgaben komprimieren: Konfigurieren Sie die Kompressionseinstellungen für Werkzeugergebnisse, um die Tokenkosten zu senken.
Leistung überwachen: Verwenden Sie den Bericht anzeigen, um den Tokenverbrauch, die Kosten und die Effektivität des Caches wöchentlich zu verfolgen.
Vorschläge überprüfen: Reagieren Sie auf wöchentliche Vorschläge von Thinker, um vorgeschlagene Änderungen zu genehmigen oder zu überprüfen.
thinker's Anwendungsfälle
- Optimierung der Token-Nutzung von Agenten
- Identifizierung von verschwendetem Kontext
- Verbesserung der Effizienz von Agenten
- Wissen über den Code aufrechterhalten
- Code-Reviews optimieren
- Entwicklungskosten verfolgen
- Kontextuelles Bewusstsein von Agenten verbessern
- Automatisierung der Kontextoptimierung
- Standardisierung von Entwicklungspraktiken
