# Lowfat：一个命令行过滤器，帮作者省了 91.8% 的 LLM token

> 原标题：Show HN: Lowfat – pluggable CLI filter that saved 91.8% of my LLM tokens

- 来源：Hacker News 首页
- 发布时间：2026-06-05T09:10:42.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/34612
- 原文：https://github.com/zdk/lowfat

## 摘要

Lowfat 是一个可插拔的 CLI 过滤工具，能自动把 kubectl、docker、grep 这类命令输出的冗余信息（比如表格边框、空行、重复标题）裁掉，只保留关键内容再喂给大模型。作者自己用了两个月，原始输出总共 440 万个 token，过滤后只用了 30 万，省下 410 万 token，换算下来节省了 91.8%。它可以作为 shell 包...

## 推荐理由

我会先打个折：这是个个人 Show HN 项目，不是大厂发布，但 91.8% 的 token 节省率配上两个月的实测数据，说服力够强。它解决的不是什么高深问题，就是把 kubectl、docker 这类命令输出里的表格边框、空行、重复标题裁掉，只留干货再喂模型。这事做 agent 的人都懂——工具返回一堆格式垃圾，token 烧得飞快，上下文还被撑爆。Lowfat 的思路简单粗暴，但正好打在痛点上。不过正文没提兼容性边界和极端情况，这点要留意。整体看，数据扎实、痛点真实，放在 featured 门槛上没问题。

## 锐评

Lowfat 的思路很直接：把 kubectl、docker、grep 这类命令吐出来的“格式化噪音”在喂给大模型之前先裁掉。作者拿自己两个月的使用数据算了一笔账，原始输出 440 万 token，过滤后只剩 30 万，相当于砍掉了 410 万 token，节省比例 91.8%。这个数字看着很漂亮，但得先打个折——它完全来自单人使用，没有多用户、多场景的对照，也没说过滤规则在不同命令输出上的误删率是多少。

工具本身是 CLI 插件，可以包在 shell 里或者挂在 agent 流程里用。对经常让模型读命令行输出的人来说，这确实能直接降低推理成本，尤其是按 token 计费的 API。但正文没披露它对结构化输出（比如 JSON）的处理逻辑，也没提遇到非表格类长输出时会不会把关键信息一起裁掉。如果要在生产环境里用，还得补上不同命令类型的准确率测试和边界 case 说明。