上下文是你的 · Agent 是雇的

不重写，不压缩，90% Token billing Saving

_{同一块 IR 跨 Anthropic · OpenAI · DeepSeek · vLLM · SGLang 原样落地
真实 6 轮会话 −92.3% · 按"绝对 $/已解决查询"记账，比例你随便造，美元不陪你演}

[https://github.com/learningCatHD/telos-sdk]  ·  Apache 2.0  

---

⬢  凌晨两点，钱是怎么烧没的

凌晨两点，agent 还在跑。终端右下角的计数器爬到 2,847,103 —— 你换算成美元，倒吸一口冷气。更冷的是再上一行：cache_read: 0。一整夜，每一轮都把那 4,000 字的开头从头喂了一遍给模型，按全价收。

把同一段 6 轮真实对话扔进 openclaw，只切两种开关 ——

模式	raw input tokens	cache_read	这 6 轮花了多少
passthrough（今天的默认）	24,151	0	$0.3623
接入 TELOS	0	18,701	$0.0281（−92.3%）

放大到一千次会话，就是从 $362 → $26。换算到长跑的真实跑批（showcase/dashboard.html，2026-05-19）：48 calls / 4 sessions，反事实账单 $5.90，接入后只花 $3.74 —— 净省 $2.16（−36.6%）。这是一次受控 A/B/C/D 对照、一台开发机一个下午的事，乘到团队规模，每月就是一张实打实的服务器账单。

别再拿"省了几倍 token"哄自己。 2026 年同模型族的档位价差已经撑到 80×~150×，谁都能把廉价档塞进分母吹一个漂亮比例 —— 真金白银的美元不会陪你演戏。

---

⬢  这不是个别 case —— agent 推理的基础设施，瘸着两条腿

第一条腿：Token 烧得又快又冤。 二十轮对话里，那段 4,000 字的系统提示词被原原本本读了二十遍。Anthropic 的缓存命中只付 10%、没命中按 100% 收 —— 而你只要在系统提示词里悄悄塞一行 currentDate: 2026-05-20，整段 PIN 当晚作废，命中归零。这道闸门，从来没人替你关上。

第二条腿：上下文主权根本不在你手里。 你花一整天调出来的人设、跑通的工具链、二十轮聊到一半的进展，全都困在对方的服务器里。你想换 DeepSeek 试试，对面第一句话是：“请简单介绍一下你的项目。” 你想把任务交给更擅长那一段的家伙，做不到。账单出来，是一个被分母稀释过的百分比。你不是 agent 的主人，你是别人 agent 里的"租客"。

---

⬢  TELOS 只解决两件事

① 把 Token 效率推到极致。 6 轮真实对话 −92.3%；48 次调用的受控跑批 节省 36.6%（净 $2.16）。每一分钱都按"绝对 $/已解决查询"记账 —— 比例可以作弊，绝对美元不会。

② 把上下文主权交还给你。 TelosIR 是一份引擎无关、可序列化、能带走的上下文表示。你的人设、你的工具、你二十轮聊到一半的进展，统统装进同一块石板里 —— 今天递给 Claude，明天搬到 DeepSeek，晚上换本地 vLLM。上下文是你的，Agent 是雇的。

---

⬢  协议本体：不是压缩，是不破前缀

大多数 agent 框架把 KV cache 当成推理引擎可能给、也可能不给的运行时彩蛋。TELOS 反过来 ——

缓存的复用，是 prompt 自身的结构性属性，不是运行时的好运气。如果你永远不去动已经提交的字节，缓存就不可能失效。

这条立场落到协议里，是三件层层叠合的事。

三色带

每一个内容块在出生时就声明它的缓存生命周期 —— 不是事后启发，不是靠 LLM 猜，是一等结构标注：

带	颜色	语义	缓存行为
PIN	🟢	工具说明 · 系统提示 · 当前问题	永久。永不驱逐。每次请求 prefix hash 的不可变底座
FOLD	🟡	历史对话 · 工具返回 · 大文档	可缓存可折叠。压力大时换成摘要 —— PIN 前缀字节保持不变
DROP	🔴	时间戳 · CWD · git 状态 · PID	即焚。整段排除在 prefix hash 之外。必须放在所有 BP 之后，绝不污染上游字节

顺序铁律是绝对的：PIN* → FOLD* → DROP*。每条消息内、整段 prompt 内、所有层级。这是唯一赢得缓存的结构规则 —— 其它都是实现细节。

单调追加

prompt 是一条只追加的流。新轮次只往尾巴加块，绝不修改已经提交的字节。所谓"修改"，是用新块（摘要、redaction）表达，不是原地重写。

正因为更早的块不可变、跨轮字节相同，推理引擎的 prefix-matching 算法在每一次请求都能找到最长公共前缀 —— 不是靠运气，是构造而成。缓存命中率因此是会话长度的单调非递减函数：会话越长，复用越多，绝不倒退。

一份 IR，五个后端

同一份 TelosIR 落到不同引擎，由 adapter 做确定性降级：Anthropic 的显式 BP、OpenAI 的 prompt_cache_key、DeepSeek 的字节稳定前缀、vLLM 的 cooperative eviction、SGLang 的 RadixAttention —— 每家引擎都被推到它实际能到的缓存上限，而你的 agent 代码一行不改。

_{每一笔节省都被钉在绝对美元上 · 无需云端 server · 离线打开 · ~/.telos/usage.jsonl 直接喂进单页 HTML}

---

⬢  三步上手：零侵入，先把账单点亮

❶  安装

pip install telos-sdk

❷  接入

telos init

自动识别本机的 claude-code / codex / openclaw / hermes，逐个注入配置，并在后台拉起本地网关（状态写入 ~/.telos/gateway.json）。Agent 代码无需任何修改。

❸  观测

telos dashboard

在浏览器中打开离线 HTML 看板，按绝对美元逐笔呈现节省。每一次调用自动追加至 ，实时聚合。

TELOS 已经开源。在自己的工作流上跑一遍 —— 看看那省下来的 92%，是真的，还是又一次"几倍 token"。

[https://github.com/learningCatHD/telos-sdk]  ·  Apache 2.0  

_{Token efficiency is not about compression — it’s about never breaking the prefix.}