LLM 是无状态的：每次请求重传全部上下文，会话一结束一切归零——这既烧钱，又让 agent 永远学不会你的项目。 我们给它补上认知层：内容寻址证据库把传输压到最低， 可验证记忆、世界模型与技能 Runbook 让它跨会话越用越懂你。
节省比例因项目而异——装好后运行 cursor-token-saver bench，用你自己的代码库实测。
基于 Cursor 官方 hooks 和 MCP 接口，在工具调用层拦截浪费，不改模型、不改代码。
超大文件读取、重复命令输出、没变的文件重读——在进入上下文之前被替换成大纲、差分或一行"内容未变"标记。
每次截断都留下稳定的证据 ID。agent 真需要原文时，一次调用精确恢复任意行区间——省的是浪费，不是信息。
约定、决策、踩过的坑、部署流程沉淀为可验证的记忆；新会话热启动包用几百 token 恢复全部任务状态。
四层架构，一个闭环：感知 → 记忆 → 回忆 → 行动 → 反馈 → 学习。绿色主线是无损回注路径——模型只收最小首屏 + 证据 ID。
这不是一堆提示词技巧，而是一套认知架构（Cognitive Architecture）：感知 → 记忆 → 回忆 → 行动 → 反馈 → 学习。
所有被截断/压缩/差分的内容按内容哈希落盘，生成稳定证据 ID。模型默认只收最小首屏，任意行区间可按 ID 精确恢复——省的是"默认全量传输"，不是信息。
工程事实（约定/决策/坑/入口）挂关联文件的内容哈希：文件一变自动标 STALE；机械提取只是候选，确认才生效。"存了就信"的记忆迟早变成负资产，可验证性是记忆系统的生命线。
自动从 package.json / docker-compose / nginx / CI 提取「实体 --关系--> 实体」三元组：域名→端口→服务→脚本。实体子图一到两跳查询，一行三元组顶几百行配置文件。
任务收尾自动从命令时间线提取 Runbook（目标 + 成功命令序列）；同一流程复发时置信度上升。人类的技能记忆如何工作，agent 的就该如何工作。
同一命令从失败转成功、期间又有文件编辑——系统自动记下"命令 X 曾失败，改了 A、B 之后通过"。踩过的坑沉淀为经验，不踩第二次。
hooks 观测读写与命令（感知）→ 沉淀可验证记忆（学习）→ 检索融合代码与记忆（回忆）→ 热启动包延续任务（延续）。agent 在你的项目里越用越便宜、越用越懂。
每一项都遵循同一条铁律：fail-open，绝不因为工具故障挡住 agent 干活。
增量重读只传行级差分；重复命令只传和上次的差异；数据文件给结构画像。全部可恢复。
精确匹配 + BM25 + 本地神经向量三路融合，低置信度自动扩大候选，先给预览再按需展开。
工程事实挂文件哈希存储：文件变了自动标过期，机械提取只生成候选、确认才生效——不会积累幻觉。
自动从 package.json / docker-compose / nginx / CI 提取"域名→端口→服务"关系图，一行三元组顶几百行配置。
任务收尾自动提取成功命令序列；失败→修复的过程被记录成"坑"，下个会话直接复用。
多项目统一视图：节省统计换算成钱、浪费洞察、记忆审阅、检索质量评测，一键启动。
与云端记忆产品不同，这里的索引、嵌入、记忆、统计全部存在本地。 神经嵌入用本地 ONNX 推理，没有遥测、没有电话回家，授权校验也是离线签名。 对合规敏感的团队，这不是一个功能，是前提。
免费版完整可用，不是试用版。付费买的是团队协作和跨设备能力。
不会，这是整个设计的第一约束。所有压缩都是无损的：截断处留证据 ID，agent 一次调用即可精确恢复原文任意区间。检索有三路融合和自动兜底，LSP 不可用会降级到导入图。规则明确引导 agent"不确定就展开"，而不是靠猜。
我们不给统一数字，因为节省取决于你的项目和操作构成。装好后运行 cursor-token-saver bench，它在你的真实代码库上重放六类典型操作，输出带完整口径说明的对比报告——度量的是传输层 token，不承诺账单降幅。
机械提取的记忆全部是"候选"状态，agent 或你确认后才生效；挂了文件的记忆存内容哈希，文件一变自动标记过期；长期没用到的自动归档。面板上每一条都能看、能改、能删。
所有文件都在项目的 .cursor/ 目录和 ~/.cursor-token-saver/ 下，删掉即完全卸载，不碰你的代码和 git 历史。
所有 hooks 都是 fail-open 的：任何异常都放行原始操作，最坏情况是回到没装插件的状态，绝不会挡住你干活。