# 🗜️ Prompt Compression Guide — OmniRoute (ଓଡ଼ିଆ)

🌐 **Languages:** 🇺🇸 [English](../../../../compression/COMPRESSION_GUIDE.md) · 🇪🇹 [am](../../../am/docs/compression/COMPRESSION_GUIDE.md) · 🇸🇦 [ar](../../../ar/docs/compression/COMPRESSION_GUIDE.md) · 🇦🇿 [az](../../../az/docs/compression/COMPRESSION_GUIDE.md) · 🇧🇬 [bg](../../../bg/docs/compression/COMPRESSION_GUIDE.md) · 🇧🇩 [bn](../../../bn/docs/compression/COMPRESSION_GUIDE.md) · 🇧🇦 [bs](../../../bs/docs/compression/COMPRESSION_GUIDE.md) · 🇨🇿 [cs](../../../cs/docs/compression/COMPRESSION_GUIDE.md) · 🇩🇰 [da](../../../da/docs/compression/COMPRESSION_GUIDE.md) · 🇩🇪 [de](../../../de/docs/compression/COMPRESSION_GUIDE.md) · 🇬🇷 [el](../../../el/docs/compression/COMPRESSION_GUIDE.md) · 🇪🇸 [es](../../../es/docs/compression/COMPRESSION_GUIDE.md) · 🇪🇪 [et](../../../et/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇷 [fa](../../../fa/docs/compression/COMPRESSION_GUIDE.md) · 🇫🇮 [fi](../../../fi/docs/compression/COMPRESSION_GUIDE.md) · 🇫🇷 [fr](../../../fr/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇪 [ga](../../../ga/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇳 [gu](../../../gu/docs/compression/COMPRESSION_GUIDE.md) · 🇳🇬 [ha](../../../ha/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇱 [he](../../../he/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇳 [hi](../../../hi/docs/compression/COMPRESSION_GUIDE.md) · 🇭🇷 [hr](../../../hr/docs/compression/COMPRESSION_GUIDE.md) · 🇭🇺 [hu](../../../hu/docs/compression/COMPRESSION_GUIDE.md) · 🇦🇲 [hy](../../../hy/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇩 [id](../../../id/docs/compression/COMPRESSION_GUIDE.md) · 🇳🇬 [ig](../../../ig/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇹 [it](../../../it/docs/compression/COMPRESSION_GUIDE.md) · 🇯🇵 [ja](../../../ja/docs/compression/COMPRESSION_GUIDE.md) · 🇬🇪 [ka](../../../ka/docs/compression/COMPRESSION_GUIDE.md) · 🇰🇭 [km](../../../km/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇳 [kn](../../../kn/docs/compression/COMPRESSION_GUIDE.md) · 🇰🇷 [ko](../../../ko/docs/compression/COMPRESSION_GUIDE.md) · 🇱🇹 [lt](../../../lt/docs/compression/COMPRESSION_GUIDE.md) · 🇱🇻 [lv](../../../lv/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇳 [ml](../../../ml/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇳 [mr](../../../mr/docs/compression/COMPRESSION_GUIDE.md) · 🇲🇾 [ms](../../../ms/docs/compression/COMPRESSION_GUIDE.md) · 🇲🇹 [mt](../../../mt/docs/compression/COMPRESSION_GUIDE.md) · 🇲🇲 [my](../../../my/docs/compression/COMPRESSION_GUIDE.md) · 🇳🇵 [ne](../../../ne/docs/compression/COMPRESSION_GUIDE.md) · 🇳🇱 [nl](../../../nl/docs/compression/COMPRESSION_GUIDE.md) · 🇳🇴 [no](../../../no/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇳 [pa](../../../pa/docs/compression/COMPRESSION_GUIDE.md) · 🇵🇭 [phi](../../../phi/docs/compression/COMPRESSION_GUIDE.md) · 🇵🇱 [pl](../../../pl/docs/compression/COMPRESSION_GUIDE.md) · 🇵🇹 [pt](../../../pt/docs/compression/COMPRESSION_GUIDE.md) · 🇧🇷 [pt-BR](../../../pt-BR/docs/compression/COMPRESSION_GUIDE.md) · 🇷🇴 [ro](../../../ro/docs/compression/COMPRESSION_GUIDE.md) · 🇷🇺 [ru](../../../ru/docs/compression/COMPRESSION_GUIDE.md) · 🇱🇰 [si](../../../si/docs/compression/COMPRESSION_GUIDE.md) · 🇸🇰 [sk](../../../sk/docs/compression/COMPRESSION_GUIDE.md) · 🇸🇮 [sl](../../../sl/docs/compression/COMPRESSION_GUIDE.md) · 🇷🇸 [sr](../../../sr/docs/compression/COMPRESSION_GUIDE.md) · 🇸🇪 [sv](../../../sv/docs/compression/COMPRESSION_GUIDE.md) · 🇰🇪 [sw](../../../sw/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇳 [ta](../../../ta/docs/compression/COMPRESSION_GUIDE.md) · 🇮🇳 [te](../../../te/docs/compression/COMPRESSION_GUIDE.md) · 🇹🇭 [th](../../../th/docs/compression/COMPRESSION_GUIDE.md) · 🇹🇷 [tr](../../../tr/docs/compression/COMPRESSION_GUIDE.md) · 🇺🇦 [uk-UA](../../../uk-UA/docs/compression/COMPRESSION_GUIDE.md) · 🇵🇰 [ur](../../../ur/docs/compression/COMPRESSION_GUIDE.md) · 🇺🇿 [uz](../../../uz/docs/compression/COMPRESSION_GUIDE.md) · 🇻🇳 [vi](../../../vi/docs/compression/COMPRESSION_GUIDE.md) · 🇳🇬 [yo](../../../yo/docs/compression/COMPRESSION_GUIDE.md) · 🇨🇳 [zh-CN](../../../zh-CN/docs/compression/COMPRESSION_GUIDE.md) · 🇹🇼 [zh-TW](../../../zh-TW/docs/compression/COMPRESSION_GUIDE.md)

---

> ଯୋଗ୍ୟ context ଉପରେ ସ୍ୱୟଂଚାଳିତ ଭାବେ 15-95% ସଞ୍ଚୟ କରନ୍ତୁ। ଏକ ଦ୍ରୁତ ସମୀକ୍ଷା ପାଇଁ, [README Compression ବିଭାଗ](../README.md#%EF%B8%8F-prompt-compression--save-15-95-eligible-tokens-automatically) ଦେଖନ୍ତୁ।

## ସାରାଂଶ

OmniRoute ଏକ ମଡ୍ୟୁଲାର୍ prompt compression pipeline କାର୍ଯ୍ୟକାରୀ କରେ, ଯାହା ଅନୁରୋଧଗୁଡ଼ିକ upstream providerଙ୍କ ପାଖରେ ପହଞ୍ଚିବା **ପୂର୍ବରୁ ସକ୍ରିୟ ଭାବେ** ଚାଲେ। ଏହାର ଅର୍ଥ ଆପଣଙ୍କ token ସଞ୍ଚୟ ସ୍ୱଚ୍ଛ ଭାବେ ହୁଏ — ଆପଣଙ୍କ workflowରେ କୌଣସି ପରିବର୍ତ୍ତନ ଦରକାର ନାହିଁ।

```
କ୍ଲାଏଣ୍ଟ ଅନୁରୋଧ
  → Compression କୌଶଳ ଚୟନକାରୀ
    → Combo override? → Combo ସେଟିଂ ବ୍ୟବହାର କରନ୍ତୁ
    → ସ୍ୱୟଂଚାଳିତ-ଟ୍ରିଗର୍ ସୀମା? → Auto mode ବ୍ୟବହାର କରନ୍ତୁ
    → ଡିଫଲ୍ଟ mode? → Global ସେଟିଂ ବ୍ୟବହାର କରନ୍ତୁ
    → ବନ୍ଦ? → Compression ଏଡ଼ାଇ ଯାଆନ୍ତୁ
  → ଚୟନିତ Compression Mode
    → ବନ୍ଦ: କୌଣସି compression ନାହିଁ
    → Lite: ସୁରକ୍ଷିତ whitespace/formatting ସଫେଇ (~15%)
    → Standard: Caveman-ଶୈଳୀର filler ଅପସାରଣ (~30%)
    → Aggressive: History aging + ସାରାଂଶକରଣ (~50%)
    → Ultra: Heuristic pruning + code-block thinning (~75%)
    → RTK: Command-aware terminal/tool-output filtering (60-90% upstream ପରିସର)
    → Stacked: କ୍ରମବଦ୍ଧ multi-engine pipeline, ସାଧାରଣତଃ ପ୍ରଥମେ RTK ଏବଂ ପରେ Caveman (78-95% ଯୋଗ୍ୟ ପରିସର)
  → ସଂକୁଚିତ ଅନୁରୋଧ → Provider
```

---

## Compression Modeଗୁଡ଼ିକ

### ବନ୍ଦ

କୌଣସି compression ପ୍ରୟୋଗ କରାଯାଏ ନାହିଁ। ସମସ୍ତ message ଅପରିବର୍ତ୍ତିତ ଭାବେ ପାର ହୁଏ।

### Lite Mode (~15% ସଞ୍ଚୟ, <1ms ବିଳମ୍ବ)

ସବୁଠାରୁ ସୁରକ୍ଷିତ mode — କୌଣସି ଅର୍ଥଗତ ପରିବର୍ତ୍ତନ ନାହିଁ, କେବଳ formatting ସଫେଇ:

| ପ୍ରକ୍ରିୟା                | ବର୍ଣ୍ଣନା                                                |
| ------------------------ | ------------------------------------------------------- |
| `collapseWhitespace`     | କ୍ରମାଗତ ଖାଲି ଧାଡ଼ି ଏବଂ ଶେଷରେ ଥିବା spaceଗୁଡ଼ିକୁ ମିଶାନ୍ତୁ |
| `dedupSystemPrompt`      | ନକଲ system messageଗୁଡ଼ିକୁ ଅପସାରଣ କରନ୍ତୁ                 |
| `compressToolResults`    | ବିସ୍ତୃତ tool/function outputକୁ ସଂକୁଚିତ କରନ୍ତୁ           |
| `removeRedundantContent` | ପୁନରାବୃତ୍ତ ନିର୍ଦ୍ଦେଶଗୁଡ଼ିକୁ ହଟାନ୍ତୁ                     |
| `replaceImageUrls`       | base64 image data URIଗୁଡ଼ିକୁ ସଂକ୍ଷିପ୍ତ କରନ୍ତୁ           |

**ଏହା ପାଇଁ ସର୍ବୋତ୍ତମ:** ସର୍ବଦା-ସକ୍ରିୟ ବ୍ୟବହାର, ସୁରକ୍ଷା-ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ workflow।

### Standard Mode (~30% ସଞ୍ଚୟ)

[Caveman](https://github.com/JuliusBrussee/caveman) ଦ୍ୱାରା ଅନୁପ୍ରାଣିତ — ଅର୍ଥ ସଂରକ୍ଷଣ କରି filler ଶବ୍ଦ ଏବଂ ଅତି-ବିସ୍ତୃତ ବାକ୍ୟାଂଶକୁ ଅପସାରଣ କରେ:

- filler ଶବ୍ଦଗୁଡ଼ିକୁ ଅପସାରଣ କରେ ("ଦୟାକରି", "ମୁଁ ଭାବୁଛି", "ମୂଳତଃ", "ବାସ୍ତବରେ")
- ଅତି-ବିସ୍ତୃତ ବାକ୍ୟାଂଶକୁ ସଂକ୍ଷିପ୍ତ କରେ ("କରିବା ଉଦ୍ଦେଶ୍ୟରେ" → "କରିବାକୁ", "ର ଫଳସ୍ୱରୂପ" → "କାରଣ")
- ବିନମ୍ର ଦ୍ୱିଧାସୂଚକ ବାକ୍ୟାଂଶକୁ ହଟାଏ ("ଆପଣ କ’ଣ...", "ଯଦି ଆପଣ ସମ୍ଭବତଃ...")
- coding prompt ପାଇଁ ସମନ୍ୱୟ କରାଯାଇଥିବା 30+ regex rule

**ଏହା ପାଇଁ ସର୍ବୋତ୍ତମ:** ଦୈନନ୍ଦିନ coding workflow, ଖର୍ଚ୍ଚ-ସଚେତନ team।

### Aggressive Mode (~50% ସଞ୍ଚୟ)

ଦୀର୍ଘ session ପାଇଁ ବୁଦ୍ଧିମାନ history ପରିଚାଳନା:

- **Message Aging** — ପୁରୁଣା messageଗୁଡ଼ିକ କ୍ରମଶଃ ଅଧିକ ସଂକୁଚିତ ହୁଏ
- **Tool Result Summarization** — ଦୀର୍ଘ tool outputକୁ ସାରାଂଶ ସହ ବଦଳାଯାଏ
- **Structural Integrity Guards** — `tool_use` + `tool_result` ଯୋଡ଼ିଗୁଡ଼ିକ ସୁସଙ୍ଗତ ରହିବା ସୁନିଶ୍ଚିତ କରେ
- **Context Window Awareness** — ପ୍ରତ୍ୟେକ modelର token ସୀମାକୁ ସମ୍ମାନ କରେ

**ଏହା ପାଇଁ ସର୍ବୋତ୍ତମ:** ବିସ୍ତୃତ debugging session, ବଡ଼ codebase।

### Ultra Mode (~75% ସଞ୍ଚୟ)

Token-ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ପରିସ୍ଥିତି ପାଇଁ ସର୍ବାଧିକ compression:

- **Heuristic Pruning** — ପ୍ରାସଙ୍ଗିକତା ସୀମାଠାରୁ ନିମ୍ନରେ ଥିବା messageଗୁଡ଼ିକୁ ଅପସାରଣ କରେ
- **Code Block Thinning** — ପୁନରାବୃତ୍ତ code ଉଦାହରଣଗୁଡ଼ିକୁ ସଂକୁଚିତ କରେ
- **Binary Search Truncation** — context window ପାଇଁ ସର୍ବୋତ୍ତମ cut point ଖୋଜେ
- Aggressive modeର ସମସ୍ତ ବୈଶିଷ୍ଟ୍ୟ ଅନ୍ତର୍ଭୁକ୍ତ

**ଏହା ପାଇଁ ସର୍ବୋତ୍ତମ:** ଯେତେବେଳେ ଆପଣ ବାରମ୍ବାର context ସୀମାରେ ପହଞ୍ଚୁଛନ୍ତି।

### RTK Mode (60-90% upstream ପରିସର)

RTK modeକୁ coding-agent sessionରେ ଦେଖାଯାଉଥିବା ବିସ୍ତୃତ tool output ପାଇଁ ଅନୁକୂଳିତ କରାଯାଇଛି:

- `git status`, `git diff`, `git log`, test runner,
  TypeScript/Vite/Webpack build, ESLint/Biome/Prettier, npm audit/install, Docker log, infra
  output ଏବଂ generic shell output ଭଳି command/output class ଚିହ୍ନଟ କରେ
- `open-sse/services/compression/engines/rtk/filters/`ରୁ JSON filter pack ପ୍ରୟୋଗ କରେ
- inline-test validation ଏବଂ project file ପାଇଁ trust-gating ସହିତ project କିମ୍ବା global `filters.toml` fileରୁ RTK TOML schema v1 filter import କରେ
- inline verify sample ସହ 49ଟି built-in filter ପ୍ରଦାନ କରେ
- ANSI control sequence, progress bar, ପୁନରାବୃତ୍ତ ଧାଡ଼ି ଏବଂ କାର୍ଯ୍ୟଯୋଗ୍ୟ ନଥିବା noiseକୁ ଅପସାରଣ କରେ
- failure, error, warning, ପରିବର୍ତ୍ତିତ file, ସାରାଂଶ ଏବଂ ଦୀର୍ଘ outputର ଶେଷ ଭାଗକୁ ସଂରକ୍ଷଣ କରେ
- trust-gated project filter, global filter ଏବଂ ଇଚ୍ଛାଧୀନ ଭାବେ redacted raw-output recoveryକୁ ସମର୍ଥନ କରେ

**ଏହା ପାଇଁ ସର୍ବୋତ୍ତମ:** shell, build, test, git, grep ଏବଂ file-output transcript ସହିତ agent session।

### Stacked Mode (78-95% ଯୋଗ୍ୟ ପରିସର)

Stacked mode ଏକ ନିର୍ଦ୍ଧାରିତ କ୍ରମରେ ଏକାଧିକ compression engine ଚଲାଏ। ଡିଫଲ୍ଟ pipeline ହେଉଛି:

```txt
RTK -> Caveman
```

ସେହି କ୍ରମ ପ୍ରଥମେ terminal/tool outputକୁ ସଂକ୍ଷିପ୍ତ ରଖେ, ତା’ପରେ ଅବଶିଷ୍ଟ natural-language promptରେ Caveman semantic condensation ପ୍ରୟୋଗ କରେ। Stacked pipelineକୁ global ଭାବେ କିମ୍ବା routing comboକୁ ନ୍ୟସ୍ତ compression combo ମାଧ୍ୟମରେ configure କରାଯାଇପାରେ।

**ଏହା ପାଇଁ ସର୍ବୋତ୍ତମ:** ବଡ଼ tool log ସହିତ ମାନବୀୟ ନିର୍ଦ୍ଦେଶ କିମ୍ବା assistant ସାରାଂଶ ଥିବା ମିଶ୍ରିତ context।

---

## ଅପ୍ଷ୍ଟ୍ରିମ୍ ସଞ୍ଚୟ ଗଣନା

OmniRoute ଦୁଇଟି ଉତ୍ସରୁ ମିଳୁଥିବା କମ୍ପ୍ରେସନ୍ ସଞ୍ଚୟକୁ ଡକ୍ୟୁମେଣ୍ଟ କରେ: ଅପ୍ଷ୍ଟ୍ରିମ୍ ପ୍ରକଳ୍ପ ବେଞ୍ଚମାର୍କ ଏବଂ
OmniRoute ର ନିଜସ୍ୱ ଇଞ୍ଜିନ୍ ସଂଯୋଜନ।

| ଉତ୍ସ    | ଏଠାରେ ବ୍ୟବହୃତ ଅପ୍ଷ୍ଟ୍ରିମ୍ README ସଂଖ୍ୟା                                                                                 |
| ------- | ----------------------------------------------------------------------------------------------------------------------- |
| Caveman | `~75%` କମ୍ ଆଉଟ୍ପୁଟ୍ ଟୋକନ୍, `65%` ବେଞ୍ଚମାର୍କ ହାରାହାରି ଆଉଟ୍ପୁଟ୍ ସଞ୍ଚୟ, `22-87%` ପରିସର, ଏବଂ `~46%` ଇନ୍ପୁଟ୍ କମ୍ପ୍ରେସନ୍ ଟୁଲ୍ |
| RTK     | କମାଣ୍ଡ ଆଉଟ୍ପୁଟ୍ରେ `60-90%` ସଞ୍ଚୟ; ନମୁନା ସେସନ୍ରେ `~118,000 -> ~23,900` ଟୋକନ୍, କିମ୍ବା `79.7%` ସଞ୍ଚିତ (`~80%`)             |

ପରସ୍ପର ଆଚ୍ଛାଦିତ ଟୁଲ୍/କନ୍ଟେକ୍ସ୍ଟ ପେଲୋଡ୍ଗୁଡ଼ିକ ପାଇଁ, ଡିଫଲ୍ଟ OmniRoute କମ୍ବୋ ଇଞ୍ଜିନ୍ଗୁଡ଼ିକୁ ଷ୍ଟାକ୍ କରେ:

```txt
RTK -> Caveman
```

ମିଳିତ ସଞ୍ଚୟ ଯୋଗାତ୍ମକ ନୁହେଁ, ଗୁଣାତ୍ମକ ଅଟେ:

```txt
combined = 1 - (1 - RTK savings) * (1 - Caveman input savings)
average  = 1 - (1 - 0.80) * (1 - 0.46) = 89.2%
range    = 1 - (1 - 0.60..0.90) * (1 - 0.46) = 78.4-94.6%
```

ଯେତେବେଳେ RTK ଏବଂ Caveman ଉଭୟ ଏକେ ଇନ୍ପୁଟ୍/କନ୍ଟେକ୍ସ୍ଟ ପେଲୋଡ୍କୁ ହ୍ରାସ କରିପାରନ୍ତି, ସେତେବେଳେ ସେହି `78-95%` ସଂଖ୍ୟା ପ୍ରଯୁଜ୍ୟ।
Caveman ରେସ୍ପନ୍ସ ଆଉଟ୍ପୁଟ୍ ମୋଡ୍ ଅଲଗା: ଏହା ସକ୍ଷମ ଥିଲେ, Caveman ର ନିଜସ୍ୱ ଆଉଟ୍ପୁଟ୍ ସଞ୍ଚୟ (`65%`
ହାରାହାରି, `~75%` ମୁଖ୍ୟ ଆକଳନ, `22-87%` ପରିସର) ବ୍ୟବହାର କରନ୍ତୁ। ସମୁଦାୟ ବିଲିଂ ସଞ୍ଚୟ ଆପଣଙ୍କ ପ୍ରମ୍ପ୍ଟ/ଆଉଟ୍ପୁଟ୍ ମିଶ୍ରଣ ଉପରେ ନିର୍ଭର କରେ।

### "ଯୋଗ୍ୟ"ର ପ୍ରକୃତ ଅର୍ଥ କ’ଣ

15-95% ମୁଖ୍ୟ ପରିସରଟି ବାସ୍ତବ, କିନ୍ତୁ ଏହା କେବଳ **ଅନାବଶ୍ୟକ ଭାବେ ପୁନରାବୃତ୍ତ କିମ୍ବା ଅତ୍ୟଧିକ ବିସ୍ତୃତ** ବିଷୟବସ୍ତୁ ପାଇଁ ପ୍ରଯୁଜ୍ୟ — ପୁନରାବୃତ୍ତ
ତ୍ରୁଟି ଲାଇନ୍, ସମାନ ଚେତାବନୀକୁ ବାରମ୍ବାର ଦେଖାଉଥିବା ଏକ ବିଲ୍ଡ ଲଗ୍, ଏକ ଅତ୍ୟଧିକ ବଡ଼ `grep`/ଫାଇଲ୍-ରିଡ୍ ଡମ୍ପ। ଏହାର ଅର୍ଥ
**ଏହା ନୁହେଁ** ଯେ ପ୍ରତ୍ୟେକ ରିକ୍ୱେଷ୍ଟରେ ଏତେ ସଞ୍ଚୟ ହୁଏ।

ପରୀକ୍ଷାମୂଳକ ଭାବେ ଯାଞ୍ଚ କରାଯାଇଛି (`tests/unit/compression/stacked-compression-tool-result-savings.test.ts`): 300ଟି ସମାନ
ତ୍ରୁଟି ଲାଇନ୍ ଥିବା Anthropic-ଆକୃତିର `tool_result` ବ୍ଲକ୍ ବିପକ୍ଷରେ ଏକ `stacked` (RTK + Caveman) ରନ୍
**95.93% ଟୋକନ୍ ସଞ୍ଚୟ / 96.26% କ୍ୟାରେକ୍ଟର୍ ସଞ୍ଚୟ** ପ୍ରଦାନ କରିଥିଲା — ଯାହା ପ୍ରଚାରିତ ପରିସର ମଧ୍ୟରେ ସ୍ପଷ୍ଟ ଭାବରେ ରହିଛି।
କିନ୍ତୁ ସାଧାରଣ, ପୁନରାବୃତ୍ତି-ବିହୀନ ଟୁଲ୍ ଆଉଟ୍ପୁଟ୍ (ଏକ ସ୍ୱଚ୍ଛ `grep` ମ୍ୟାଚ୍ ତାଲିକା,
ଏକ ଛୋଟ ଫାଇଲ୍ ରିଡ୍, ସାଧାରଣ ବାର୍ତ୍ତାଳାପମୂଳକ ପାଠ୍ୟ) ବିପକ୍ଷରେ ସମାନ ପାଇପ୍ଲାଇନ୍ ରନ୍ ସଠିକ୍ ଭାବରେ **ପ୍ରାୟ-ଶୂନ୍ୟ ସଞ୍ଚୟ** ପ୍ରଦାନ କରେ, କାରଣ
ଅପସାରଣ କରିବାକୁ କୌଣସି ପୁନରାବୃତ୍ତି ନାହିଁ ଏବଂ `validateCompression()` (`validation.ts`) ଏପରି କୌଣସି
ପୁନର୍ଲିଖନକୁ ପଠାଇବାକୁ ମନା କରେ, ଯାହା କୋଡ୍ ବ୍ଲକ୍, URL, ହେଡିଂ, ଭର୍ସନ୍ କିମ୍ବା ALL-CAPS କନ୍ଷ୍ଟାଣ୍ଟ ଆଇଡେଣ୍ଟିଫାୟର୍ଗୁଡ଼ିକୁ ବାଦ ଦେବ କିମ୍ବା ପରିବର୍ତ୍ତନ କରିବ।

ଏହା ଆଶାକରାଯାଇଥିବା ସୁରକ୍ଷିତ ଆଚରଣ, କୌଣସି ବଗ୍ ନୁହେଁ: ମୁଖ୍ୟତଃ ସ୍ୱଚ୍ଛ ଫାଇଲ୍ଗୁଡ଼ିକୁ ପଢ଼ୁଥିବା/grep କରୁଥିବା ଏକ କୋଡିଂ ସେସନ୍ରେ
କମ୍ପ୍ରେସନ୍ ସମ୍ପୂର୍ଣ୍ଣ ସକ୍ଷମ ଥିଲେ ମଧ୍ୟ ସାମାନ୍ୟ ସମୁଦାୟ ସଞ୍ଚୟ ଦେଖାଯିବ, ଯେତେବେଳେ ଏକ ବିଫଳ
ଲୁପ୍ କିମ୍ବା ଅତ୍ୟଧିକ ଆଉଟ୍ପୁଟ୍ ଦେଉଥିବା ଲିଣ୍ଟର୍ର ସମ୍ମୁଖୀନ ହେଉଥିବା ସେସନ୍ରେ ସେହି ଟ୍ରାଫିକ୍ ଉପରେ ସମ୍ପୂର୍ଣ୍ଣ 78-95% ପରିସର ଦେଖାଯିବ। କମ୍ ସମଗ୍ର ସଞ୍ଚୟ
ପ୍ରତିଶତ ଥିବା ଗୋଟିଏ ସେସନ୍କୁ କମ୍ପ୍ରେସନ୍ ଭୁଲ ଭାବେ କନ୍ଫିଗର୍ ହୋଇଥିବାର ପ୍ରମାଣ ଭାବେ ବ୍ୟବହାର କରନ୍ତୁ ନାହିଁ — ପ୍ରଥମେ ଯାଞ୍ଚ କରନ୍ତୁ ଯେ
ଅନ୍ତର୍ନିହିତ ଟୁଲ୍ ଆଉଟ୍ପୁଟ୍ ପ୍ରକୃତରେ ପୁନରାବୃତ୍ତ ଥିଲା କି ନାହିଁ।

---

## ଟୋକନ୍ ସଞ୍ଚୟ ଭିଜୁଆଲାଇଜେସନ୍

```
କମ୍ପ୍ରେସନ୍ ବିନା:      LLMକୁ 47K ଟୋକନ୍ ପଠାଗଲା
Lite ସହିତ:             40K ଟୋକନ୍ ପଠାଗଲା          (15% ସଞ୍ଚିତ — ସୁରକ୍ଷିତ, ସର୍ବଦା-ସକ୍ଷମ)
Standard ସହିତ:         33K ଟୋକନ୍ ପଠାଗଲା          (30% ସଞ୍ଚିତ — caveman-speak ନିୟମ)
Aggressive ସହିତ:       24K ଟୋକନ୍ ପଠାଗଲା          (50% ସଞ୍ଚିତ — ଏଜିଂ + ସାରାଂଶୀକରଣ)
Ultra ସହିତ:            12K ଟୋକନ୍ ପଠାଗଲା          (75% ସଞ୍ଚିତ — ହ୍ୟୁରିଷ୍ଟିକ୍ ପ୍ରୁନିଂ)
RTK ସହିତ:              19K-5K ଟୋକନ୍ ପଠାଗଲା       (କମାଣ୍ଡ/ଟୁଲ୍ ଆଉଟ୍ପୁଟ୍ରେ 60-90% ସଞ୍ଚିତ)
Stacked ସହିତ:          10K-2.5K ଟୋକନ୍ ପଠାଗଲା     (ଯୋଗ୍ୟ RTK+Caveman ପରିସରରେ 78-95% ସଞ୍ଚିତ)
```

---

## ବିନ୍ୟାସ

### ଡ୍ୟାସବୋର୍ଡ

`Dashboard → Context & Cache` କୁ ଯାଆନ୍ତୁ:

- **କେଭମ୍ୟାନ୍** — ମୋଡ୍ ଚୟନ, ଭାଷା ପ୍ୟାକ୍, ପୂର୍ବାବଲୋକନ, ଏବଂ ଗ୍ଲୋବାଲ୍ ଡିଫଲ୍ଟ
- **RTK** — କମାଣ୍ଡ-ଫିଲ୍ଟର ପୂର୍ବାବଲୋକନ, RTK ସୁରକ୍ଷା ସେଟିଂସମୂହ, ଏବଂ ଫିଲ୍ଟର କାଟାଲଗ୍
- **ସଙ୍କୋଚନ କମ୍ବୋସ୍** — ରାଉଟିଂ କମ୍ବୋସ୍ କୁ ନିର୍ଦ୍ଦିଷ୍ଟ ଇଞ୍ଜିନ୍ ପାଇପଲାଇନ୍
- **ସ୍ୱୟଂ-ଟ୍ରିଗର ଥ୍ରେସହୋଲ୍ଡ** — ଯେତେବେଳେ ଟୋକେନ୍ ଗଣନା ଥ୍ରେସହୋଲ୍ଡ ଅତିକ୍ରମ କରେ ସ୍ୱୟଂଚାଳିତ ଭାବରେ ସଙ୍କୋଚନକୁ ନିୟୋଜିତ କରନ୍ତୁ

### ପ୍ରତି-କମ୍ବୋ ଓଭରରାଇଡ୍

`Dashboard → Context & Cache → Compression Combos` ରେ, ଏକ ରାଉଟିଂ କମ୍ବୋକୁ ଏକ ସଙ୍କୋଚନ କମ୍ବୋ ନିର୍ଦ୍ଦିଷ୍ଟ କରନ୍ତୁ:

```txt
Combo: "free-tier-fallback"
  Compression Combo: "coding-agent-stack"
  Pipeline: RTK -> Caveman
  Targets:
    1. if/kimi-k2.7-code
    2. if/qwen3.8-max-preview
```

ଏହା ଆପଣଙ୍କୁ ମାଗଣା/କୋଡିଂ ପ୍ରଦାନକାରୀଙ୍କ ଉପରେ ଷ୍ଟାକଡ୍ ସଙ୍କୋଚନ ବ୍ୟବହାର କରିବାକୁ ଅନୁମତି ଦିଏ ଯେତେବେଳେ ପେଡ୍ ସବସ୍କ୍ରିପସନ୍ ଉପରେ ଲାଇଟ୍ ମୋଡ୍ ରଖିଥାଏ।

ଏହି "ପ୍ରତି-କମ୍ବୋ ଓଭରରାଇଡ୍" ନିର୍ଦ୍ଦିଷ୍ଟକରଣ **ରାଉଟିଂ-କମ୍ବୋ ସଙ୍କୋଚନ ମୋଡ୍** ଓଭରରାଇଡ୍ (Default/Off/Lite/Standard/Aggressive/Ultra) ଠାରୁ ଏକ ଭିନ୍ନ ନିୟନ୍ତ୍ରଣ — ସେହି ଓଭରରାଇଡ୍ ଏକ ନାମିତ ସଙ୍କୋଚନ-କମ୍ବୋ ପାଇପଲାଇନ୍ ବାଛି ନଥାଏ; ଏହା କେବଳ `resolveCompressionPlan` ଦ୍ୱାରା ପରାମର୍ଶିତ `compressionMode` ଫିଲ୍ଡ ସେଟ୍ କରେ। ଏହା କମ୍ବୋ କାର୍ଡ (`Dashboard → Combos`) ଉପରେ କିମ୍ବା, #6760 ପରଠାରୁ, `Dashboard → Context & Cache → Compression Combos` ଉପରେ "Assign to routing" ତାଲିକାରେ ପ୍ରତି ରାଉଟିଂ କମ୍ବୋ ପାଇଁ ସେଟ୍ କରାଯାଇପାରିବ, ଉପରେ ଡକ୍ୟୁମେଣ୍ଟ୍ ହୋଇଥିବା ପାଇପଲାଇନ୍-ନିର୍ଦ୍ଦିଷ୍ଟକରଣ ଚେକବକ୍ସ ପାଖରେ। ଉଭୟ ଇଣ୍ଟରଫେସ୍ ସମାନ `PUT /api/combos/{id}` ଏଣ୍ଡପଏଣ୍ଟ ମାଧ୍ୟମରେ ସ୍ଥାୟୀ ହୁଏ।

### ପ୍ରତି-ଅନୁରୋଧ ଓଭରରାଇଡ୍

ଏକକ ଅନୁରୋଧ ପାଇଁ ସଙ୍କୋଚନ ଯୋଜନାକୁ ଓଭରରାଇଡ୍ କରିବାକୁ `x-omniroute-compression` ଅନୁରୋଧ ହେଡର ପଠାନ୍ତୁ। ଏହାର ସର୍ବୋଚ୍ଚ ପ୍ରାଧାନ୍ୟ ଅଛି — ଏହା ରାଉଟିଂ-କମ୍ବୋ ଓଭରରାଇଡ୍, ସକ୍ରିୟ ପ୍ରୋଫାଇଲ୍, ଅଟୋ-ଟ୍ରିଗର, ଏବଂ ପ୍ୟାନେଲ୍ ଡିଫଲ୍ଟକୁ ଅତିକ୍ରମ କରେ। ଅଜ୍ଞାତ ମୂଲ୍ୟଗୁଡ଼ିକୁ ଅଣଦେଖା କରାଯାଏ (ଅନୁରୋଧ କେବେହେଲେ ପ୍ରତ୍ୟାଖ୍ୟାନ କରାଯାଏ ନାହିଁ) ଏବଂ ଗ୍ଲୋବାଲ୍ ମାଷ୍ଟର ସୁଇଚ୍ ଏବେ ମଧ୍ୟ ସବୁକିଛିକୁ ନିୟନ୍ତ୍ରଣ କରେ: ଯେତେବେଳେ ସଙ୍କୋଚନ ଗ୍ଲୋବାଲ୍ ଭାବରେ ବନ୍ଦ ଥାଏ, ହେଡର ଏହାକୁ ଅନ୍ କରିପାରିବ ନାହିଁ। ମୂଲ୍ୟଗୁଡ଼ିକ:

| ମୂଲ୍ୟ         | ପ୍ରଭାବ                                                                                               |
| ------------- | ---------------------------------------------------------------------------------------------------- |
| `off`         | ଏହି ଅନୁରୋଧ ପାଇଁ କୌଣସି ସଙ୍କୋଚନ ନାହିଁ।                                                                 |
| `default`     | ପ୍ୟାନେଲ୍-ଉତ୍ପନ୍ନ ଡିଫଲ୍ଟ ପ୍ରୋଫାଇଲ୍ (ସକ୍ରିୟ ପ୍ରୋଫାଇଲ୍କୁ ଅଣଦେଖା କରେ)। ଲୋସି ଇଞ୍ଜିନ୍ଗୁଡ଼ିକ ବନ୍ଦ ରଖାଯାଏ।   |
| `safe`        | ହେଡରକୁ ଛାଡିବା ସହିତ ସମାନ: କେବଳ ଡିଡୁପ୍ ଏବଂ ଧଳା ସ୍ଥାନ ଫୋଲ୍ଡିଂ।                                          |
| `allow-lossy` | ଏହି ଅନୁରୋଧର ଅପରେଟର ଯୋଜନା ରଖନ୍ତୁ, ସାରାଂଶ, ପ୍ରାସଙ୍ଗିକତା ଫିଲ୍ଟର, ଏବଂ ଶୈଳୀ ପୁନଃଲେଖା ସହିତ।                |
| `engine:<id>` | ସକ୍ଷମ ହେଲେ ଏକକ ଇଞ୍ଜିନ୍, ଉଦାହରଣ ସ୍ୱରୂପ `engine:rtk`। ଏହା ସେହି ଇଞ୍ଜିନ୍ ପାଇଁ ପ୍ରତି-ଅନୁରୋଧ ଅପ୍ଟ-ଇନ୍ ଅଟେ। |
| `<combo>`     | ଏକ ନାମିତ କମ୍ବୋ, ପ୍ରଥମେ ନାମ ଦ୍ୱାରା (କେସ୍-ଇନସେନସିଟିଭ୍), ତାପରେ id ଦ୍ୱାରା ମିଳିତ।                         |

`allow-lossy`, `engine:<id>`, କିମ୍ବା ଏକ ନାମିତ କମ୍ବୋ ବିନା, ଲୋସି ଇଞ୍ଜିନ୍ଗୁଡ଼ିକ ପ୍ରୟୋଗ କରାଯାଏ ନାହିଁ। ଯେତେବେଳେ ସଙ୍କୋଚନ ଅନ୍ ଥାଏ, ଅନୁରୋଧ ଏବେ ମଧ୍ୟ ସେସନ୍ ଡିଡୁପ୍ ଏବଂ ଧଳା ସ୍ଥାନ ଫୋଲ୍ଡିଂ ପାଇଥାଏ।

ପ୍ରୟୋଗ କରାଯାଇଥିବା ଯୋଜନା `X-OmniRoute-Compression: <mode>; source=<source>` ପ୍ରତିକ୍ରିୟା ହେଡରରେ ପ୍ରତିଧ୍ୱନିତ ହୁଏ, ଯେଉଁଠାରେ `<source>` ହେଉଛି `request-header`, `routing-override`, `active-profile`, `auto-trigger`, `default`, କିମ୍ବା `off` ମଧ୍ୟରୁ ଗୋଟିଏ।

### API

```bash
# ସଙ୍କୋଚନ ସେଟିଂସମୂହ ପ୍ରାପ୍ତ କରନ୍ତୁ
curl http://localhost:20128/api/settings/compression

# ସଙ୍କୋଚନ ସେଟିଂସମୂହ ଅପଡେଟ୍ କରନ୍ତୁ
curl -X PUT http://localhost:20128/api/settings/compression \
  -H "Content-Type: application/json" \
  -d '{"defaultMode":"stacked","autoTriggerMode":"stacked","autoTriggerTokens":32000}'

# ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ RTK/ଷ୍ଟାକଡ୍ ପେଲୋଡ୍ ର ପୂର୍ବାବଲୋକନ କରନ୍ତୁ
curl -X POST http://localhost:20128/api/compression/preview \
  -H "Content-Type: application/json" \
  -d '{"mode":"rtk","messages":[{"role":"tool","content":"npm test output here"}]}'

# RTK ଫିଲ୍ଟର ପ୍ୟାକ୍ ତାଲିକାଭୁକ୍ତ କରନ୍ତୁ
curl http://localhost:20128/api/context/rtk/filters

# ଐଚ୍ଛିକ କମାଣ୍ଡ ମେଟାଡାଟା ସହିତ RTK କୁ ସିଧାସଳଖ ପରୀକ୍ଷା କରନ୍ତୁ
curl -X POST http://localhost:20128/api/context/rtk/test \
  -H "Content-Type: application/json" \
  -d '{"command":"npm test","text":"FAIL tests/example.test.ts\nError: boom"}'
```

---

## କ’ଣ ସୁରକ୍ଷିତ ରହେ

କମ୍ପ୍ରେସନ୍ ଇଞ୍ଜିନ୍ **ସର୍ବଦା ଏଗୁଡ଼ିକୁ ସଂରକ୍ଷିତ ରଖେ:**

- ✅ କୋଡ୍ ବ୍ଲକ୍ଗୁଡ଼ିକ (ଫେନ୍ସ୍ଡ ଏବଂ ଇନ୍ଲାଇନ୍)
- ✅ URL ଏବଂ ଫାଇଲ୍ ପାଥ୍ଗୁଡ଼ିକ
- ✅ JSON ଗଠନ ଏବଂ ସଂରଚିତ ଡାଟା
- ✅ ଆଇଡେଣ୍ଟିଫାୟର୍ ଏବଂ ସୁରକ୍ଷିତ ବୈଷୟିକ ଟୋକନ୍ଗୁଡ଼ିକ
- ✅ ଗାଣିତିକ ଏକ୍ସପ୍ରେସନ୍ଗୁଡ଼ିକ
- ✅ ଟୁଲ୍/ଫଙ୍କସନ୍ କଲ୍ ପରିଭାଷାଗୁଡ଼ିକ
- ✅ ସିଷ୍ଟମ୍ ପ୍ରମ୍ପ୍ଟଗୁଡ଼ିକ (lite ମୋଡ୍ରେ)

କୌଣସି ବିଷୟ ସ୍ଥାୟୀ ଭାବେ ସଂରକ୍ଷିତ ହେବା ପୂର୍ବରୁ RTK raw-output recovery ସାଧାରଣ API କୀ, bearer ଟୋକନ୍, Slack ଟୋକନ୍, AWS ଆକ୍ସେସ୍ କୀ,
ପାସୱାର୍ଡ, ଟୋକନ୍ ଏବଂ ସିକ୍ରେଟ୍ଗୁଡ଼ିକୁ ଲୁଚାଇଦିଏ।

---

## କମ୍ପ୍ରେସନ୍ ପରିସଂଖ୍ୟାନ

ପ୍ରତ୍ୟେକ କମ୍ପ୍ରେସ୍ଡ ଅନୁରୋଧର ପରିସଂଖ୍ୟାନ ସର୍ଭର୍ ଲଗ୍ଗୁଡ଼ିକରେ ସାମିଲ ହୁଏ:

```json
{
  "originalTokens": 47200,
  "compressedTokens": 40120,
  "savingsPercent": 15.0,
  "techniquesUsed": ["collapseWhitespace", "dedupSystemPrompt"],
  "mode": "lite",
  "engine": "caveman",
  "compressionComboId": "coding-agent-stack",
  "durationMs": 0.8,
  "rtkRawOutputPointers": []
}
```

---

## ପର୍ଯ୍ୟାୟ ରୋଡମ୍ୟାପ୍

| ପର୍ଯ୍ୟାୟ    | ମୋଡ୍ସ                                                                                                                                                | ସ୍ଥିତି      |
| ----------- | ---------------------------------------------------------------------------------------------------------------------------------------------------- | ----------- |
| ପର୍ଯ୍ୟାୟ 1  | ଅଫ୍, ଲାଇଟ୍                                                                                                                                           | ✅ ପଠାଯାଇଛି |
| ପର୍ଯ୍ୟାୟ 2  | ଷ୍ଟାଣ୍ଡାର୍ଡ, ଆଗ୍ରେସିଭ୍, ଅଲ୍ଟ୍ରା                                                                                                                      | ✅ ପଠାଯାଇଛି |
| ପର୍ଯ୍ୟାୟ 3  | RTK, ଷ୍ଟାକଡ୍, କମ୍ପ୍ରେସନ୍ କମ୍ବୋସ୍                                                                                                                     | ✅ ପଠାଯାଇଛି |
| ପର୍ଯ୍ୟାୟ 4  | ଆଉଟପୁଟ୍ ଷ୍ଟାଇଲ୍ସ, SLM-ଟିଅର୍ ଅଲ୍ଟ୍ରା, ଇଭାଲ୍ ହାର୍ନେସ୍                                                                                                  | ✅ ପଠାଯାଇଛି |
| ପର୍ଯ୍ୟାୟ 4C | ଆଡାପ୍ଟିଭ୍ କଣ୍ଟେକ୍ସଟ୍-ବଜେଟ୍ ("ଡାଏଲ୍") — କମ୍ପ୍ୟୁଟ୍ ଇଞ୍ଜିନ୍ + API (`contextBudget` on `PUT /api/settings/compression`) + ଡ୍ୟାସବୋର୍ଡ ମୋଡ୍/ନୀତି ନିୟନ୍ତ୍ରଣ | ✅ ପଠାଯାଇଛି |

---

## ସ୍ୱୀକୃତି

Standard ମୋଡ୍ କମ୍ପ୍ରେସନ୍ ନିୟମଗୁଡ଼ିକ **[JuliusBrussee](https://github.com/JuliusBrussee)**ଙ୍କ **[Caveman](https://github.com/JuliusBrussee/caveman)** (⭐ 51K+) — ଭାଇରାଲ୍ "ଅଳ୍ପ ଟୋକନ୍ରେ କାମ ହେଉଥିବାବେଳେ ଅଧିକ ଟୋକନ୍ କାହିଁକି ବ୍ୟବହାର କରିବେ" ପ୍ରକଳ୍ପ — ଦ୍ୱାରା ଅନୁପ୍ରାଣିତ। Caveman `~75%` କମ୍ ଆଉଟ୍ପୁଟ୍ ଟୋକନ୍, ବେଞ୍ଚମାର୍କରେ ହାରାହାରି `65%` ଆଉଟ୍ପୁଟ୍ ସଞ୍ଚୟ, `22-87%` ଆଉଟ୍ପୁଟ୍ ପରିସର ଏବଂ ଏକ `~46%` ଇନ୍ପୁଟ୍-କମ୍ପ୍ରେସନ୍ ଟୁଲ୍ ରିପୋର୍ଟ କରେ।

RTK ମୋଡ୍ **[RTK AI](https://github.com/rtk-ai)**ଙ୍କ **[RTK - Rust Token Killer](https://github.com/rtk-ai/rtk)** — ଟର୍ମିନାଲ୍, ବିଲ୍ଡ, ଟେଷ୍ଟ, git ଏବଂ ଟୁଲ୍-ଆଉଟ୍ପୁଟ୍ ଫିଲ୍ଟରିଂ ପାଇଁ ଉଚ୍ଚ-କାର୍ଯ୍ୟଦକ୍ଷତାସମ୍ପନ୍ନ କମାଣ୍ଡ-ଆଉଟ୍ପୁଟ୍ କମ୍ପ୍ରେସନ୍ ପ୍ରକଳ୍ପ — ଦ୍ୱାରା ଅନୁପ୍ରାଣିତ। RTK `60-90%` ସଞ୍ଚୟ ରିପୋର୍ଟ କରେ, ଏବଂ ଏହାର README ନମୁନା ସେସନ୍ରେ `~80%` ସଞ୍ଚୟ ଦେଖାଯାଇଛି।

---

## ଉନ୍ନତ ସଙ୍କୋଚନ ପ୍ରଣାଳୀ

୭ଟି ମାନକ ମୋଡ୍ ବ୍ୟତୀତ, OmniRoute ଅନେକ ଉନ୍ନତ ସଙ୍କୋଚନ ପ୍ରଣାଳୀ ଅନ୍ତର୍ଭୁକ୍ତ କରେ ଯାହା ପ୍ରସଙ୍ଗ ଆଧାରରେ ସ୍ୱୟଂଚାଳିତ ଭାବରେ କାର୍ଯ୍ୟ କରେ।

### କ୍ୟାଚ୍-ସଚେତ ସଙ୍କୋଚନ

କେତେକ ପ୍ରଦାନକାରୀ (ଯେପରିକି Anthropic ପ୍ରମ୍ପ୍ଟ କ୍ୟାଚିଂ ସହିତ) **ପ୍ରମ୍ପ୍ଟ କ୍ୟାଚିଂ** କୁ ସମର୍ଥନ କରନ୍ତି, ଯାହା ସେମାନଙ୍କୁ ଖର୍ଚ୍ଚ ଏବଂ ଲେଟେନ୍ସି ହ୍ରାସ କରିବା ପାଇଁ ପ୍ରମ୍ପ୍ଟର କିଛି ଅଂଶକୁ କ୍ୟାଚ୍ କରିବାକୁ ଦେଇଥାଏ। ଯେତେବେଳେ କ୍ୟାଚିଂ ସକ୍ଷମ ହୁଏ, ଆକ୍ରମଣାତ୍ମକ ସଙ୍କୋଚନ ପ୍ରକୃତରେ କାର୍ଯ୍ୟଦକ୍ଷତାକୁ **କ୍ଷତି ପହଞ୍ଚାଇପାରେ** କାରଣ ଏହା କ୍ୟାଚ୍ ହୋଇଥିବା ଟୋକେନ୍ ଗୁଡ଼ିକୁ ପରିବର୍ତ୍ତନ କରେ, ଯାହା କ୍ୟାଚ୍ କୁ ଅବୈଧ କରିଥାଏ।

`cachingAware.ts` ମଡ୍ୟୁଲ୍ **କ୍ୟାଚିଂ ପ୍ରସଙ୍ଗ ଚିହ୍ନଟ କରି** ଏବଂ ତଦନୁସାରେ **ସଙ୍କୋଚନ ରଣନୀତିକୁ ସଜାଡ଼ି** ଏହି ସମସ୍ୟାର ସମାଧାନ କରିଥାଏ।

#### ଏହା କିପରି କାର୍ଯ୍ୟ କରେ

1. **କ୍ୟାଚିଂ ପ୍ରସଙ୍ଗ ଚିହ୍ନଟ କରନ୍ତୁ** — `cache_control` ମାର୍କର୍ ପାଇଁ ଅନୁରୋଧ ବଡିକୁ ସ୍କାନ୍ କରେ
2. **କ୍ୟାଚିଂ ପ୍ରଦାନକାରୀଙ୍କୁ ଚିହ୍ନଟ କରନ୍ତୁ** — ଲକ୍ଷ୍ୟ ପ୍ରଦାନକାରୀ କ୍ୟାଚିଂକୁ ସମର୍ଥନ କରନ୍ତି କି ନାହିଁ ଯାଞ୍ଚ କରେ
3. **ରଣନୀତି ସଜାଡ଼ନ୍ତୁ** — କ୍ୟାଚିଂ ପ୍ରଦାନକାରୀଙ୍କ ପାଇଁ `aggressive`/`ultra` କୁ `standard` କୁ ଡାଉନଗ୍ରେଡ୍ କରେ
4. **ସିଷ୍ଟମ୍ ପ୍ରମ୍ପ୍ଟ ଛାଡ଼ନ୍ତୁ** — ସିଷ୍ଟମ୍ ପ୍ରମ୍ପ୍ଟ ସାଧାରଣତଃ କ୍ୟାଚ୍ ହୋଇଥାଏ, ତେଣୁ ସେଗୁଡ଼ିକୁ ସଙ୍କୋଚନ କରନ୍ତୁ ନାହିଁ
5. **ନିର୍ଣ୍ଣାୟକ ରୂପାନ୍ତରଣ ବ୍ୟବହାର କରନ୍ତୁ** — କେବଳ ସ୍ଥିର ଆଉଟପୁଟ୍ ଉତ୍ପାଦନ କରୁଥିବା ରୂପାନ୍ତରଣ ବ୍ୟବହାର କରନ୍ତୁ

#### କୋଡ୍ ଉଦାହରଣ

```ts
import {
  detectCachingContext,
  getCacheAwareStrategy,
} from "@omniroute/open-sse/services/compression/cachingAware";

const body = {
  model: "anthropic/claude-sonnet-4.5",
  messages: [{ role: "user", content: "Hello" }],
  cache_control: { type: "ephemeral" }, // ← Cache marker
};

const ctx = detectCachingContext(body, { provider: "anthropic" });
// → { hasCacheControl: true, provider: "anthropic", isCachingProvider: true }

const strategy = getCacheAwareStrategy("aggressive", ctx);
// → { strategy: "standard", skipSystemPrompt: true, deterministicOnly: true }
```

#### କେବେ ବ୍ୟବହାର କରିବେ

କ୍ୟାଚ୍-ସଚେତ ସଙ୍କୋଚନ **ସର୍ବଦା ଚାଲୁ ରହିଥାଏ** — କୌଣସି ବିନ୍ୟାସ ଆବଶ୍ୟକ ନାହିଁ। ଏହା କେବଳ ସେତେବେଳେ କାର୍ଯ୍ୟକାରୀ ହୁଏ ଯେତେବେଳେ:

- ଅନୁରୋଧରେ `cache_control` ମାର୍କର୍ ଥାଏ
- ଲକ୍ଷ୍ୟ ପ୍ରଦାନକାରୀ ପ୍ରମ୍ପ୍ଟ କ୍ୟାଚିଂକୁ ସମର୍ଥନ କରନ୍ତି (Anthropic, OpenAI, ଇତ୍ୟାଦି)

### ପ୍ରଗତିଶୀଳ ବୃଦ୍ଧାବସ୍ଥା

ଲମ୍ବା ବାର୍ତ୍ତାଳାପରେ ଅନେକ ବାର୍ତ୍ତା ଟର୍ଣ୍ଣ ଜମା ହୁଏ, କିନ୍ତୁ ପୁରୁଣା ଟର୍ଣ୍ଣଗୁଡ଼ିକ କମ୍ ପ୍ରାସଙ୍ଗିକ ହୋଇଯାଏ। `progressiveAging.ts` ମଡ୍ୟୁଲ୍ **ଟର୍ଣ୍ଣ ଦୂରତା ଅନୁଯାୟୀ ବାର୍ତ୍ତାଗୁଡ଼ିକୁ ଅବନତି କରେ**:

- **ସାମ୍ପ୍ରତିକ ଟର୍ଣ୍ଣ (0-3)**: ଯଥାବିଧି ରଖାଯାଏ (ସମ୍ପୂର୍ଣ୍ଣ ବିବରଣୀ)
- **ମଧ୍ୟମ ଟର୍ଣ୍ଣ (4-8)**: ଲାଇଟ୍ ସଙ୍କୋଚନ (ହ୍ୱାଇଟ୍ସ୍ପେସ୍, ଫର୍ମାଟିଂ ସଫା)
- **ପୁରୁଣା ଟର୍ଣ୍ଣ (9+)**: କେଭମ୍ୟାନ୍ ସଙ୍କୋଚନ (ଫିଲର୍ ଅପସାରଣ, ସାରାଂଶ)
- **ଅତି ପୁରୁଣା ଟର୍ଣ୍ଣ (20+)**: ଅତ୍ୟଧିକ ସାରାଂଶ କିମ୍ବା ଛାଡ଼ି ଦିଆଯାଏ

#### କୋଡ୍ ଉଦାହରଣ

```ts
import { applyAging } from "@omniroute/open-sse/services/compression/progressiveAging";

const messages = [
  { role: "system", content: "You are a helpful assistant" },
  { role: "user", content: "What is 2+2?" },
  { role: "assistant", content: "4" },
  // ... 50 more turns ...
];

const { messages: aged, saved } = applyAging(messages, {
  verbatim: 3, // ପ୍ରଥମ 3 ଟର୍ଣ୍ଣ: ଯଥାବିଧି
  light: 8, // ଟର୍ଣ୍ଣ 4-8: ଲାଇଟ୍ ସଙ୍କୋଚନ
  moderate: 20, // ଟର୍ଣ୍ଣ 9-20: କେଭମ୍ୟାନ୍ ସଙ୍କୋଚନ
  // ଟର୍ଣ୍ଣ 21+: ଭାରୀ ସାରାଂଶ
});

// saved = ସଞ୍ଚିତ ଟୋକେନ୍ ସଂଖ୍ୟା
```

#### କେବେ ବ୍ୟବହାର କରିବେ

`aggressive` ଏବଂ `ultra` ମୋଡ୍ ପାଇଁ ପ୍ରଗତିଶୀଳ ବୃଦ୍ଧାବସ୍ଥା **ସର୍ବଦା ଚାଲୁ ରହିଥାଏ**। ଏହା ବିଶେଷ ଭାବରେ ଏଥିପାଇଁ ପ୍ରଭାବଶାଳୀ:

- ଦୀର୍ଘକାଳୀନ କୋଡିଂ ଅଧିବେଶନ
- ବହୁ-ଦିନିଆ ବାର୍ତ୍ତାଳାପ
- ଅନେକ ଟୁଲ୍ କଲ୍ ସହିତ ଏଜେଣ୍ଟିକ୍ ୱାର୍କଫ୍ଲୋ

### କେଭମ୍ୟାନ୍ ଆଉଟପୁଟ୍ ମୋଡ୍

`outputMode.ts` ମଡ୍ୟୁଲ୍ ମଡେଲ୍ ନିଜେ ସଙ୍କୋଚିତ, ସଂକ୍ଷିପ୍ତ ଆଉଟପୁଟ୍ (ଏକ "କେଭମ୍ୟାନ୍" ଶୈଳୀ) ଉତ୍ପାଦନ କରିବା ପାଇଁ **ସିଷ୍ଟମ୍ ପ୍ରମ୍ପ୍ଟ ନିର୍ଦ୍ଦେଶ** ଇଞ୍ଜେକ୍ଟ କରେ।

#### ଏହା କିପରି କାର୍ଯ୍ୟ କରେ

ଇନପୁଟ୍ ସଙ୍କୋଚନ କରିବା ପରିବର୍ତ୍ତେ, ଏହି ମୋଡ୍ ଏକ ସିଷ୍ଟମ୍ ପ୍ରମ୍ପ୍ଟ ଯୋଗ କରେ ଯେପରିକି:

> "ସର୍ବନିମ୍ନ ଶବ୍ଦରେ ଉତ୍ତର ଦିଅ। ଶୁଭେଚ୍ଛା ଛାଡ଼। ଛୋଟ ବାକ୍ୟ ବ୍ୟବହାର କର।"

ଏହା ବିଶେଷ ଭାବରେ ଏଥିପାଇଁ ଭଲ କାମ କରେ:

- କୋଡ୍ ଉତ୍ପାଦନ (ସଂକ୍ଷିପ୍ତ ଆଉଟପୁଟ୍ = କମ୍ ଟୋକେନ୍)
- ଶୀଘ୍ର ପ୍ରଶ୍ନୋତ୍ତର (ବିସ୍ତୃତ ବ୍ୟାଖ୍ୟା ଆବଶ୍ୟକ ନାହିଁ)
- ବ୍ୟାଚ୍ ପ୍ରକ୍ରିୟାକରଣ (ସର୍ବାଧିକ ଥ୍ରୁପୁଟ୍)

#### କେବେ ବ୍ୟବହାର କରିବେ

କେଭମ୍ୟାନ୍ ଆଉଟପୁଟ୍ ମୋଡ୍ **ଅପ୍ଟ-ଇନ୍** — ଏହାକୁ କମ୍ବୋ ବିନ୍ୟାସ ମାଧ୍ୟମରେ ସେଟ୍ କରନ୍ତୁ:

```json
{
  "strategy": "auto",
  "config": {
    "auto": {
      "outputMode": "caveman"
    }
  }
}
```

### ଆଉଟପୁଟ୍ ଶୈଳୀ (କାଟାଲଗ୍)

ଉପରୋକ୍ତ କେଭମ୍ୟାନ୍ ଆଉଟପୁଟ୍ ମୋଡ୍ ହେଉଛି **ପୁରୁଣା ଏକକ-ଶୈଳୀ ପଥ**। ପର୍ଯ୍ୟାୟ 4 ଏହାକୁ ସଂଯୋଜିତ ଆଉଟପୁଟ୍ ଶୈଳୀର ଏକ କାଟାଲଗ୍ ରେ ସାଧାରଣୀକରଣ କରିଛି: `open-sse/services/compression/outputStyles/catalog.ts` ରେ `OUTPUT_STYLE_CATALOG`। ପ୍ରତ୍ୟେକ ଶୈଳୀ ହେଉଛି ଏକ ସିଷ୍ଟମ୍-ପ୍ରମ୍ପ୍ଟ ନିର୍ଦ୍ଦେଶ ଯାହା ମଡେଲ୍ ନିଜେ ଶସ୍ତା ଆଉଟପୁଟ୍ ଉତ୍ପାଦନ କରେ; ଶୈଳୀଗୁଡ଼ିକୁ ଏକାଠି ସକ୍ଷମ କରାଯାଇପାରିବ ଏବଂ କାଟାଲଗ୍ କ୍ରମରେ ଇଞ୍ଜେକ୍ଟ କରାଯାଏ।

| Style                      | `id`          | What it does                                                                                                                                                                                                                           | Instruction languages                                                                |
| -------------------------- | ------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------ |
| Terse prose                | `terse-prose` | ଫିଲର୍/ଆର୍ଟିକିଲ୍/ହେଡିଂ ଛାଡ଼ନ୍ତୁ; ବୈଷୟିକ ବିଷୟବସ୍ତୁକୁ ସଠିକ୍ ରଖନ୍ତୁ। ଲେଗାସି କେଭମ୍ୟାନ୍ ଆଉଟପୁଟ୍ ମୋଡ୍ (ସନ୍ଦର୍ଭିତ, ପୁନଃ-ଟାଇପ୍ ହୋଇନାହିଁ) ସହିତ ସମାନ ଟେକ୍ସଟ୍।                                                                                     | en, pt-BR, es, de, fr, it, ru, zh, ja, id, vi                                        |
| Less code                  | `less-code`   | YAGNI ଲାଡର୍: ସର୍ବନିମ୍ନ କାର୍ଯ୍ୟକ୍ଷମ ପରିବର୍ତ୍ତନ, ଅନାବଶ୍ୟକ ଆବଷ୍ଟ୍ରାକ୍ସନ୍ ନାହିଁ।                                                                                                                                                           | en, pt-BR, es, de, fr, it, ru, zh, ja, id, vi                                        |
| Ponytail (lazy senior dev) | `ponytail`    | "ସର୍ବୋତ୍ତମ କୋଡ୍ ହେଉଛି କେବେ ଲେଖା ନ ଯାଇଥିବା କୋଡ୍": ପୁନଃଲେଖା > ପୁନଃବ୍ୟବହାର, ମୂଳ କାରଣ > ଲକ୍ଷଣ, ସର୍ବନିମ୍ନ କାର୍ଯ୍ୟକ୍ଷମ ଡିଫ୍।                                                                                                                 | en, pt-BR, es, de, fr, it, ru, zh, ja, id, vi                                        |
| I have ADHD (action-first) | `i-have-adhd` | ପ୍ରଥମେ କାର୍ଯ୍ୟ (ପ୍ରୋଜ୍ ପୂର୍ବରୁ କମାଣ୍ଡ/ପାଥ୍/ସ୍ନିପେଟ୍), ସଂଖ୍ୟାବଦ୍ଧ ସୀମିତ ପଦକ୍ଷେପ, ଗୋଟିଏ କଂକ୍ରିଟ୍ ପରବର୍ତ୍ତୀ ପଦକ୍ଷେପ, କୌଣସି ପ୍ରାମ୍ବଲ୍/ରିକାପ୍/କ୍ଲୋଜର୍ ନାହିଁ। [ayghri/i-have-adhd](https://github.com/ayghri/i-have-adhd) (MIT) ରୁ ଅନୁକୂଳିତ। | en, pt-BR, es, de, fr, it, ru, zh, ja, id, vi                                        |
| Terse CJK (文言)           | `terse-cjk`   | କ୍ଲାସିକାଲ୍-ଚାଇନିଜ୍ ଅଲ୍ଟ୍ରା-ଟର୍ସ ଶୈଳୀ।                                                                                                                                                                                                  | zh (locale-gated: କେବଳ ଯେତେବେଳେ ସମାଧାନ ହୋଇଥିବା ଭାଷା `zh` ହୁଏ ସେତେବେଳେ ପ୍ରଦାନ କରାଯାଏ) |

ପ୍ରତ୍ୟେକ ଶୈଳୀ ତିନୋଟି ତୀବ୍ରତା ସ୍ତର ପ୍ରଦାନ କରେ — `lite`, `full`, `ultra` — ଏବଂ ପ୍ରତ୍ୟେକ ସ୍ତର
ସାଧାରଣ ସୀମା ଧାରା ସହିତ ଶେଷ ହୁଏ, ଯାହା କୋଡ୍ ବ୍ଲକ୍, ଫାଇଲ୍ ପାଥ୍, କମାଣ୍ଡ୍,
ତ୍ରୁଟି ଷ୍ଟ୍ରିଙ୍ଗ୍, URL ଏବଂ ପରିଚୟକାରୀଙ୍କୁ ଯଥାବିଧି ରଖେ।

#### ଇଞ୍ଜେକ୍ସନ୍ କିପରି କାର୍ଯ୍ୟ କରେ

`applyOutputStyles()` (`open-sse/services/compression/outputStyles/apply.ts`)
କାଟାଲଗ୍ ବିରୁଦ୍ଧରେ ଚୟନକୁ ସମାଧାନ କରେ (ଅଜ୍ଞାତ id ଏବଂ ଲୋକାଲ୍-ମିସମ୍ୟାଚ୍ ଶୈଳୀ
ଛାଡ଼ି ଦିଆଯାଏ, କେବେ ତ୍ରୁଟି ନୁହେଁ), କାଟାଲଗ୍ କ୍ରମରେ ଚୟନିତ ନିର୍ଦ୍ଦେଶଗୁଡ଼ିକୁ ସଂଯୋଗ କରେ,
ସୀମା ଧାରାକୁ **ଥରେ** ଯୋଡ଼େ, ଏବଂ ଏକକ ଇଡେମ୍ପୋଟେନ୍ସି ମାର୍କର୍ (`[OmniRoute Output Styles]`) ପଛରେ
ସିଷ୍ଟମ୍ ପ୍ରମ୍ପ୍ଟରେ ଫ୍ରଣ୍ଟ୍-ଲୋଡ୍ କରେ — ପୁନଃ-ପ୍ରୟୋଗ ଏକ ନୋ-ଅପ୍ ଅଟେ।
ଯେତେବେଳେ ଚିହ୍ନଟ ହୋଇଥିବା ଅନୁରୋଧ ଭାଷାରେ ଏକ ଅନୁବାଦ ଥାଏ, ଇଂରାଜୀ ବଦଳରେ ସ୍ଥାନୀୟ ନିର୍ଦ୍ଦେଶ
ଇଞ୍ଜେକ୍ଟ କରାଯାଏ।

#### କିପରି ସକ୍ଷମ କରିବେ

ଡ୍ୟାସବୋର୍ଡରେ: **Context → Settings → Compression** — ପ୍ରତ୍ୟେକ ଶୈଳୀ ପାଇଁ ଗୋଟିଏ ଧାଡ଼ି
ଅନ୍/ଅଫ୍ ଟୋଗଲ୍ ଏବଂ ଏକ ସ୍ତର ଚୟନକାରୀ ସହିତ। ପ୍ରୋଗ୍ରାମାଟିକ୍ ଭାବରେ, କମ୍ପ୍ରେସନ୍ କନଫିଗ୍
ଚୟନକୁ ଏହିପରି ସ୍ଥାୟୀ କରେ:

```json
{
  "outputStyles": [
    { "id": "i-have-adhd", "level": "full" },
    { "id": "less-code", "level": "lite" }
  ]
}
```

ପଛ-ସୁସଙ୍ଗତତା: ଲେଗାସି `outputMode: "caveman"` କମ୍ବୋ ସେଟିଂ ଏବେ ମଧ୍ୟ କାର୍ଯ୍ୟ କରେ ଏବଂ
`terse-prose` କୁ ମ୍ୟାପ୍ କରେ, ପ୍ରତ୍ୟେକ ଲେଗାସି ଭାଷାରେ ପୁରୁଣା ଇଞ୍ଜେକ୍ସନ୍ ସହିତ ବାଇଟ୍-ଆଇଡେଣ୍ଟିକାଲ୍।

ଭାଷା ଚୟନ: `languageConfig.enabled` ଅନ୍ ଥିବାବେଳେ, `autoDetect`
ସର୍ବଶେଷ ଉପଭୋକ୍ତା ବାର୍ତ୍ତାର ଭାଷା ଚୟନ କରେ (ଇନପୁଟ୍ ଇଞ୍ଜିନ୍ ସହିତ ସମାନ ଡିଟେକ୍ଟର୍);
`autoDetect` ବନ୍ଦ କରିବା `defaultLanguage` କୁ ପିନ୍ କରେ। ଅଫ୍ → ଇଂରାଜୀ।

ଶୈଳୀ × ଭାଷା ମାଟ୍ରିକ୍ସ `tests/unit/compression/output-styles-i18n-matrix.test.ts`
ଦ୍ୱାରା ପିନ୍ ହୋଇଛି: ଏକ ନୂତନ ଶୈଳୀ ଅତିକମରେ ଏକ pt-BR ଅନୁବାଦ (କିମ୍ବା ଏକ ସ୍ପଷ୍ଟ ଟ୍ରାକ୍ ହୋଇଥିବା ବ୍ୟତିକ୍ରମ)
ବିନା ପ୍ରଦାନ କରାଯାଇପାରିବ ନାହିଁ, ଏବଂ ଏକ ବିଦ୍ୟମାନ ଶୈଳୀ ନୀରବରେ ଏକ ଲୋକାଲ୍ ହରାଇପାରିବ ନାହିଁ।
ଏକ ଶୈଳୀ ଯୋଡ଼ିବା ପାଇଁ, [EXTENDING_COMPRESSION.md](./EXTENDING_COMPRESSION.md#adding-an-output-style) ଦେଖନ୍ତୁ।

### ଟୁଲ୍ ଫଳାଫଳ କମ୍ପ୍ରେସନ୍

`toolResultCompressor.ts` ମଡ୍ୟୁଲ୍ ଟୁଲ୍ ଫଳାଫଳ (ଫଙ୍କସନ୍ କଲ୍, ଏଜେଣ୍ଟ୍ ଆଉଟପୁଟ୍,
ସର୍ଚ୍ଚ ଫଳାଫଳ, ଇତ୍ୟାଦି) ପାଇଁ **5 ଟି ବିଶେଷଜ୍ଞ କମ୍ପ୍ରେସନ୍ ରଣନୀତି** ପ୍ରଦାନ କରେ:

1. **ସର୍ଚ୍ଚ ଫଳାଫଳ କମ୍ପ୍ରେସନ୍** — ଅନାବଶ୍ୟକ ଫଳାଫଳକୁ ହଟାଏ, ଶୀର୍ଷ-N ରଖେ
2. **ଫାଇଲ୍ ରିଡ୍ କମ୍ପ୍ରେସନ୍** — ବଡ଼ ଫାଇଲଗୁଡ଼ିକୁ ଟ୍ରଙ୍କେଟ୍ କରେ, ହେଡର୍/ଇମ୍ପୋର୍ଟଗୁଡ଼ିକୁ ସଂରକ୍ଷିତ କରେ
3. **କୋଡ୍ ଏକ୍ସିକ୍ୟୁସନ୍ କମ୍ପ୍ରେସନ୍** — କେବଳ ଅତ୍ୟାବଶ୍ୟକ stdout/stderr ରଖେ
4. **ଡାଟାବେସ୍ କ୍ୱେରୀ କମ୍ପ୍ରେସନ୍** — ଧାଡ଼ିଗୁଡ଼ିକୁ ସୀମିତ କରେ, ଭର୍ବୋଜ୍ ମେଟାଡାଟାକୁ ହଟାଏ
5. **API ରେସପନ୍ସ କମ୍ପ୍ରେସନ୍** — ନଲ୍ ଫିଲ୍ଡଗୁଡ଼ିକୁ ଷ୍ଟ୍ରିପ୍ କରେ, ଆରେଗୁଡ଼ିକୁ କଣ୍ଡେନ୍ସ କରେ

#### କେବେ ବ୍ୟବହାର କରିବେ

ଟୁଲ୍ କଲ୍ ଉପସ୍ଥିତ ଥିବାବେଳେ ଟୁଲ୍ ଫଳାଫଳ କମ୍ପ୍ରେସନ୍ **ସର୍ବଦା ଅନ୍** ଥାଏ।
କୌଣସି କନଫିଗରେସନ୍ ଆବଶ୍ୟକ ନାହିଁ।

### ଷ୍ଟାକ୍ଡ ପାଇପଲାଇନ୍

ଷ୍ଟାକ୍ଡ ମୋଡ୍ **ଏକ କ୍ରମରେ ଏକାଧିକ ଇଞ୍ଜିନ୍** ଚଲାଏ — ସାଧାରଣତଃ ପ୍ରଥମେ RTK
(ଟୁଲ୍ ଆଉଟପୁଟ୍ ଉପରେ 60-90% ସଞ୍ଚୟ), ତାପରେ କେଭମ୍ୟାନ୍ (ଅବଶିଷ୍ଟ ଟେକ୍ସଟ୍ ଉପରେ
30% ଅତିରିକ୍ତ ସଞ୍ଚୟ)। ଏହା **78-95% ମୋଟ ସଞ୍ଚୟ** ହାସଲ କରେ।

#### ଏହା କିପରି କାର୍ଯ୍ୟ କରେ

```
Input (1000 tokens)
  → RTK (command-aware filter) → 200 tokens
    → Caveman (filler removal) → 140 tokens
  → Output (140 tokens, 86% savings)
```

#### କେବେ ବ୍ୟବହାର କରିବେ

ଷ୍ଟାକ୍ଡ ମୋଡ୍ ଏଥିପାଇଁ ବ୍ୟବହାର କରନ୍ତୁ:

- ଟୁଲ୍-ଭାରୀ ୱାର୍କଫ୍ଲୋ (ଏଜେଣ୍ଟିକ୍ କୋଡିଂ, ଗବେଷଣା)
- ମୂଲ୍ୟ-ସମ୍ବେଦନଶୀଳ ବ୍ୟାଚ୍ ପ୍ରକ୍ରିୟାକରଣ
- ଯେତେବେଳେ ଆପଣଙ୍କୁ ସର୍ବାଧିକ ଟୋକେନ୍ ସଞ୍ଚୟ ଆବଶ୍ୟକ

କମ୍ବୋ ମାଧ୍ୟମରେ କନଫିଗର୍ କରନ୍ତୁ:

```json
{
  "strategy": "auto",
  "config": {
    "auto": {
      "modePack": "stacked"
    }
  }
}
```

---

## କମ୍ପ୍ରେସନ୍ କମ୍ବୋ ଓଭରରାଇଡ୍ଗୁଡ଼ିକ

ବିଭିନ୍ନ ବ୍ୟବହାର ପରିସ୍ଥିତି ପାଇଁ ଆଚରଣକୁ ସୂକ୍ଷ୍ମ ଭାବରେ ସମନ୍ୱୟ କରିବାକୁ ଆପଣ ଗ୍ଲୋବାଲ୍ କମ୍ପ୍ରେସନ୍ ମୋଡ୍କୁ **ପ୍ରତ୍ୟେକ କମ୍ବୋ ପାଇଁ** ଓଭରରାଇଡ୍ କରିପାରିବେ:

```json
{
  "id": "coding-combo",
  "strategy": "priority",
  "config": {
    "auto": {
      "weights": { "taskFit": 0.5 },
      "modePack": "quality-first"
    }
  },
  "compressionOverride": {
    "mode": "aggressive",
    "stackedPipelines": ["rtk", "caveman"],
    "preserveToolDefinitions": true
  }
}
```

ଏହା ନିମ୍ନଲିଖିତ କ୍ଷେତ୍ରଗୁଡ଼ିକ ପାଇଁ ଉପଯୋଗୀ:

- **କୋଡିଂ କମ୍ବୋଗୁଡ଼ିକ**: ଦୀର୍ଘ ସେସନ୍ ପାଇଁ `aggressive` ମୋଡ୍ ବ୍ୟବହାର କରନ୍ତୁ
- **ଦ୍ରୁତ ପ୍ରଶ୍ନୋତ୍ତର କମ୍ବୋଗୁଡ଼ିକ**: ଦ୍ରୁତ ପ୍ରତିକ୍ରିୟା ପାଇଁ `lite` ମୋଡ୍ ବ୍ୟବହାର କରନ୍ତୁ
- **ଅଧିକ ଟୁଲ୍ଯୁକ୍ତ କମ୍ବୋଗୁଡ଼ିକ**: ସର୍ବାଧିକ ସଞ୍ଚୟ ପାଇଁ `stacked` ମୋଡ୍ ବ୍ୟବହାର କରନ୍ତୁ
- **ପ୍ରଡକ୍ସନ୍ କମ୍ବୋଗୁଡ଼ିକ**: କ୍ୟାସିଂ ପ୍ରଦାନକାରୀଙ୍କ ପାଇଁ `cache-aware` ମୋଡ୍ ବ୍ୟବହାର କରନ୍ତୁ

---

## ଏହା ମଧ୍ୟ ଦେଖନ୍ତୁ

- [ପରିବେଶ ବିନ୍ୟାସ](../reference/ENVIRONMENT.md) — କମ୍ପ୍ରେସନ୍ ପରିବେଶ ଭେରିଏବଲ୍ଗୁଡ଼ିକ
- [ଆର୍କିଟେକ୍ଚର୍ ଗାଇଡ୍](../architecture/ARCHITECTURE.md) — କମ୍ପ୍ରେସନ୍ ପାଇପ୍ଲାଇନ୍ର ଆଭ୍ୟନ୍ତରୀଣ ବିବରଣୀ
- [ବ୍ୟବହାରକାରୀ ଗାଇଡ୍](../guides/USER_GUIDE.md) — କମ୍ପ୍ରେସନ୍ ସହିତ ଆରମ୍ଭ କରିବା
- [RTK କମ୍ପ୍ରେସନ୍](./RTK_COMPRESSION.md) — RTK ଫିଲ୍ଟର୍ଗୁଡ଼ିକ, ବିଶ୍ୱାସ ମଡେଲ୍, ଯାଞ୍ଚ ଗେଟ୍, ଅପରିବର୍ତ୍ତିତ ଆଉଟ୍ପୁଟ୍ ପୁନରୁଦ୍ଧାର
- [କମ୍ପ୍ରେସନ୍ ଇଞ୍ଜିନ୍ଗୁଡ଼ିକ](./COMPRESSION_ENGINES.md) — Caveman, RTK, ଷ୍ଟାକ୍ଡ, APIs, MCP, ଡ୍ୟାସ୍ବୋର୍ଡ
- [କମ୍ପ୍ରେସନ୍ ନିୟମ ଫର୍ମାଟ୍](./COMPRESSION_RULES_FORMAT.md) — JSON ରୁଲ୍-ପ୍ୟାକ୍ ଫର୍ମାଟ୍
- [କମ୍ପ୍ରେସନ୍ ଭାଷା ପ୍ୟାକ୍ଗୁଡ଼ିକ](./COMPRESSION_LANGUAGE_PACKS.md) — ଭାଷା-ନିର୍ଦ୍ଦିଷ୍ଟ Caveman ନିୟମଗୁଡ଼ିକ