[开源自荐] Claude Code / Codex 每轮请求都在重发你贴过的截图 —— 一条命令把 50MB 的 session 压回 2MB，删掉的图还能随时找回

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

问题缘由

突然发现，用 Codex ,Claude Code 等上传图片，贴过的每张截图都以 base64 一直躺在 session 里，每一轮请求都原样重发。模型第一轮就看过这张图了，后面几十轮还在反复为它付钱。，于是导致session 越来越重，额度掉得飞快，/compact 半天压不动，最惨直接 413，一整个 session 废掉。因此忍无可忍，联网搜索–

• 
  

  官方仓库有人统计过，一个真实 UI 开发 session，86.3% 的上下文窗口被截图占着（claude-code#24298）；Codex 那边更狠，有人抓到单个请求体 8.34MB、五百多万 prompt token（codex#28316）。

  
  


• 
  

  一只叫肥波的小猫调研后告诉我。
  
  

  
  


• 
  

  Fable ： 官方具体落实修改还有很大时间，兄弟，大有可为。于是开干。

  
  

优势与作用

1. 
   

   零运行时依赖 ,占用小。可以手动启用，不过默认按需启用，每次上传图片自动执行。

   
   


2. 
   

   核心思路：
   
   Hot：当前轮图片原样保留，一切如常。
   
   Warm：近期历史图片可变成缩略图。（占用 tokens 大大减小，但是可以保证有大概影响），当然如果具体人物要抠细节AI可以选择要用的图片转化成 hot 。
   
   Cold：更老的图片变成稳定、如果要用到时AI可随时主动可找回原图的占位符。

   
   


3. 
   

   不会影响缓存命中，让肥波绞尽脑汁优化过了，实测缓存命中依然支持。

   
   


4. 
   

   可以给超大 session 进行’抢救’，以可以打开甚至继续哦。

   
   


5. 
   

   支持主流图片格式，甚至 base64 的 pdf!

   
   


6. 
   

   如图捏
   
   
   
   妈妈再也不会担心我不断传图片后 上下文 和成本爆炸，/compact 半天压不动，自建中转小鸡413啦

   
   

客观存在与缺陷

1. 它只管理图片，不碰你的文本历史。


2. 最兼容适配的是 pi 等开源且开源肆意涂抹的Agent，用的是’真满血’版。对于 claude code 等闭源 和 codex 等不易修改请求构造钩子的 Agent 只能用’残血’的半自动，或者退而求其次用 hook 或 CLI 。


3. 其 中间件 的性质 和 不同佬的具体配置甚至改装 导致了有安装失败的可能（虽然不大）。 虽然我在本机 claude code 、 codex 、 pi 和室友的codex上安装且正常使用了，不排除有特例。 不过好在AI大多可以修理甚至本土化。


4. 全程思路由AI完成，因为我是交通专业的，只会粗浅的python 。不过AI是 Any 的肥波在 Claude Code 手搓的，并且我让她在任何需要思考甚至能力越强越好的地方自己上，其他委托给pi上的 gpt-5.5 以保证注意力。加上在多个 Agent 配置OK，所以理应不会有大问题。


5. 只在 claude code 、 codex 、 pi 体验，其他各种Agent 也有不适配的风险。

如何使用：

1.开始配置

发给AI：

Read and follow https://raw.githubusercontent.com/dlgod7/image-context-cascade/main/docs/setup/README.md

— identify which agent host YOU are running in, then apply the guide for YOUR host

(Pi / Claude Code / Codex / generic). This is configuration only: do NOT read, list,

or rewrite any session/transcript files. When done, report what you changed and how to undo it.

2.(可选） 体验对比，测试这个项目具体效果如何。（不用担心隐私泄露）

给我看看 image-context-cascade 在我已有的 agent session 上能省多少。

先说明：这个任务会列出我的 session 文件，并在我批准后重写其中一部分（有备份）。



1. 确认 CLI 可用（image-cascade --version，或改用 npx @image-cascade/cli）。

2. 找到我这个宿主的 session 目录（Claude Code：~/.claude/projects/*/*.jsonl；

   Codex：~/.codex/sessions/*/*/*/rollout-*.jsonl；其他宿主：自己定位 transcript

   目录——Windows 下在 %USERPROFILE% 里）。按体积列出最大的 5 个。

3. 安全规则：绝不碰当前这个对话自己的 session 文件；可能在别的窗口开着的

   session 一律跳过（拿不准就问我）。

4. 逐个 dry-run：image-cascade rescue <文件>   （不写任何东西；记下数字）

5. 把 dry-run 结果表给我看，问我批准哪些。只对批准的文件执行：

   image-cascade rescue <文件> --yes --store

   （每个文件旁生成 .icc-backup 备份；--store 让每张被移除的图都能用

   `image-cascade restore <hash>` 找回。）

6. 汇报：文件、前后字节数、归档图片数、备份路径。不要删备份。

3. (高阶，建议配合Agent+强模型+ 一点时间）
   
   GitHub - dlgod7/image-context-cascade: Request-level image lifecycle middleware for AI coding agents: keep current-turn images, downgrade historical ones to stable placeholders. · GitHub ，这个链接发给AI（或者 clone 到本地发送路径给AI），让AI分析其解决什么问题，我们现在环境会有这个问题吗？有哪些思路需要保留，哪些不足需要注意，取长补短。如何本土化。 把这个内化融入到自己本土工作流中

最终期望

1. 帮助遇到这个问题，尤其是经常分析图片或者UI之类的佬给这个问题提供解决方案。


2. 获得更多香香软软的 star


3. 如果 coding agent 们原生内置了图片生命周期管理，或者类似或者更好的思路，本项目的使命就完成了。

(明后和大后天这三天都有期末考试，加上现在有点晚了，先睡^-^啦， 如果有 issure 或者佬们的评论，我会抽空看的）