Neredeyiz
Compresh'in üç birincil hedef kitlesi var. Her biriyle farklı aşamadayız.
Agent ve chatbot geliştiricileri için
Kullanıcılarla uzun, çok turlu konuşmalar sürdüren araçlar geliştiriyorsanız — agent'lar, copilot'lar, müşteri hizmetleri botları — Compresh üretime hazır. base_url'inizi değiştirin, konuşmalarınız otomatik olarak sıkıştırılsın. Derin konuşmalarda saatler içinde anlamlı token tasarrufu göreceksiniz.
Sizden istediğimiz: gerçek iş yükleri. Compresh sentetik benchmark'lardan değil, production trafiğinden en hızlı öğreniyor.
Bizi bağlayın →RAG geliştiricileri için
Episodik hafıza ve retrieval-augmented generation ortak bir soruyu paylaşıyor: neyin ilgili olduğunu nasıl seçersiniz? Compresh'in tag tabanlı yaklaşımı bazı iş akışlarında RAG'ı tamamlar, bazılarında parçalarını ikame eder. İlk sinyaller güçlü.
Ölçekli retrieval üzerinde çalışıyorsanız, kesişimi birlikte test edelim.
Kesişimi test edin →AI'ı dahili kullanan ekipler için
Çalışanlarınız ChatGPT, Claude veya herhangi bir LLM API'sini günlük işlerinde kullanıyorsa, Compresh önüne yerleşir. Geliştirici başına tek bir base_url değişikliği, IT için tek bir master account. Sıkıştırılmış konuşmalar, paylaşılan system-prompt tasarrufu, çalışan başına kullanım analitiği — kimsenin çalışma şekline dokunmadan.
Sizden istediğimiz: ekip büyüklüğü, birincil kullanım senaryoları, uyumluluk gereksinimleri.
Ekip fiyatlandırması için iletişime geçin →Kurumsal (çok kiracılı SaaS, ölçekte paylaşılan system prompt'lar) — seçili ortaklarla kapsam belirleniyor. Platformunuz her istekte 10K token'lık system prompt gönderiyorsa, iletişime geçin.
Compresh'i Deneyin
Farkı canlı görün. Aynı prompt, aynı model — biri ham, biri Compresh üzerinden.
Compresh ilk 4 turu hiç ellemiyor — daha sıkıştırılacak bir şey yok. Tasarruf 5. turdan itibaren başlıyor ve her turda büyüyor.
Unutması gerekiyor. Şimdilik.
Bir kusur olarak değil — tasarım gereği. Her konuşma, her context window, her sıfırdan başlangıç.
Üç tur önce ne konuşulduğunu "hatırlaması" gereken agent'lar yapıyoruz. Çözüm kaba kuvvet: her seferinde tüm geçmişi gönder. Model tekrar okur. Biz ödüyoruz. Gecikme artar. Pencere dolana kadar döngü tekrarlanır.
Bu bir "ölçekleme problemi" değil. Yapısal bir sorun.
Neyin bedelini ödüyoruz
Her sıfırdan başlangıcın bir bedeli var:
Görünen: Token'lar. Aynı paragraflar, binlerce kez iletiliyor. Fatura, konuşmanız ilginçleştikçe doğrusal olarak büyüyor.
Görünmeyen — zaman: Uzun bağlam, yavaş çıktı demek. Kullanıcınız bekliyor. Gecikme bütçeniz tur tur eriyor.
Görünmeyen — kalite: Dikkat seyreltiliyor. Model her şeyi "görüyor" ama hiçbir şeye odaklanamıyor. Güncel araştırmalar buna attention degradation diyor. Geliştiricilerin çoğu bunu yaşadı.
Görünmeyen — kaynaklar: Her token elektrik, su, silikon zamanı maliyeti taşır. AI'ın çevresel ayak izi konuşma kalitesiyle değil, konuşma uzunluğuyla orantılı büyüyor.
Görünmeyen — ömür: Bir modelin sonlu bir ömrü var — context window'u. Pencere dolduğunda ya konuşma biter, ya model unutur. Çoğu ekip bunu kabullenir ve sıfırdan başlar. Ama her sıfırdan başlangıcın maliyeti aynı — modeli yeniden alıştırmak, projeyi yeniden anlatmak, bağlamı yeniden kurmak. Ömür, kimsenin fiyatlamadığı ama konuşma duvara çarptığında en çok hissettiğiniz maliyet.
Çözüm yapısal
Compresh konuşmaları, insanların hatırladığı gibi hatırlar — transkriptlerle değil, çapalarla. "Şimdiye kadarki tüm konuşma" değil, "neyin önemli olduğu, neye karar verildiği, neyin düzeltildiği."
Uzun konuşmaları yapılandırılmış episodik hafızaya dönüştürüyoruz:
- ▶ Transkriptler değil, etiket bulutları
- ▶ Sadece mesajlar değil, takip edilen kararlar
- ▶ Özetlere düzleştirilmeyen, korunan düzeltmeler
- ▶ Sıkıştırma API çağrısından önce gerçekleşir — içinde değil
Sonuç sadece daha ucuz token'lar değil. Konuşmaların bağlam taşıma biçimi değişiyor — geçmişin hatırlanmak için yeniden anlatılmasına gerek kalmıyor. Konuşmalar daha uzun yaşıyor. Sıfırdan başlangıçlar azalıyor. Olduğunda ise iş bittiği için oluyor — pencere dolduğu için değil.
Bunu açık şekilde inşa ediyoruz
Protokol açık (TCCP — Tag Cloud Context Protocol). Proxy açık kaynak. Sıkıştırma algoritması patent başvurusu yapılmış ve tescilli — kazancımızı oradan elde ediyoruz.
LLM API'leri üzerinde agent, chatbot veya asistan geliştiriyorsanız, Compresh sizinle sağlayıcı arasına oturur. Tek satır: base_url'inizi değiştirin. Gerisini biz hallederiz.
Bir şey keşfettik. Birlikte geliştirelim.
— Compresh
Entegrasyon
Compresh iki yolla devreye girer. Ortamınıza uygun olanı seçin — aynı sıkıştırma motoru çalışır, sadece gizlilik tercihi değişir.
Drop-in proxy
base_url'i Compresh olarak değiştirin. İstemciyi siz kontrol ediyorsanız çalışır — OpenAI/Anthropic SDK, ham HTTP veya API base URL ayarı olan IDE'ler.
- → Anthropic / OpenAI Python veya JS SDK
- → Cursor, Aider, LangChain
- → Provider anahtarınız Compresh'ten geçer
Hook / MCP
Ajan platformunuza bir hook kurun. Provider anahtarınız makinanızdan çıkmaz — Compresh yalnızca hook'unuzun verdiği transcript parçasını görür.
- → OpenClaw, Claude Code (yakında), Cowork (yakında)
- → Compresh-MCP lokal çalışır
- → Provider anahtarınız sizde kalır
Açık kaynak
Protokol açık, uygulama farklılaşmış.
TCCP — Tag Cloud Context Protocol
Konuşma kimliği ve sıkıştırma sinyalleri için wire format ve kurallar. Herkes TCCP uyumlu bir proxy veya SDK geliştirebilir.
github.com/compreshSıkıştırma algoritması
Episodic Memory Architecture — tura bağlı anlamsal etiketler, epistemik sınıflandırma ve aşamalı skorlu sıkıştırma. Kazancımızı buradan elde ediyoruz. Patent başvurusu yapıldı (TR).
Açık standartlar böyle çalışır — protokol ücretsiz, en iyi uygulama rekabet eder.