Urai(உரை) 是一款基于 Rust 构建的 AST 编译器，能在代码送入 Claude、GPT-4o 等大模型前自动精简冗余内容。它会裁剪冗余的 Tailwind CSS 类与循环代码，同时保留 React hooks、props 以及 Next.js、NestJS 路由等关键逻辑，可将提示词 token 消耗降低约 80%，显著节省 API 成本并提升 AI 推理表现。

产品详细介绍

可将 LLM 提示词 token 削减 80% 的 AST 编译器

Sanjaiyan Parthipan创始人

大家好！我是 urai-ecma 的作者。今天非常兴奋地发布这个项目，想和大家分享一下它背后的故事。

灵感来源：

之前，我在使用本地 Ollama 模型开发一个智能体 AI Chrome 扩展。当我把代码库输入模型时，上下文一下子膨胀到了 209,757 个 tokens。模型响应极其缓慢，内存吃紧，还因为迷失在海量文本中而产生幻觉。

名字 URAI（உரை）源自古泰米尔文学传统，当时学者们通过撰写注释，将浩瀚复杂的史诗提炼为清晰的结构化含义。现代的 Next.js 和 React 代码库就像当代的史诗。LLM 并不需要 50,000 行原始语法——它只需要一份简洁、结构化的注释。

我想解决的问题：

在分析那 209k tokens 时，我意识到其中超过 50% 只是静态的 Tailwind CSS 字符串，另外 20% 是重复的样板循环。真正属于架构逻辑（props、hooks、state 和 API 路由）的只有约 10%。现有工具只是把原始文本一股脑地塞进文件里，既浪费成本，又会降低 AI 的推理质量。

方案的演进过程：

1. 一开始我用简单的正则脚本来剥离样式类，但正则很脆弱，在处理 clsx、cn() 和条件三元表达式这类动态样式时直接失效。

2. 我意识到代码必须以抽象语法树（AST）的方式解析。于是用 SWC 将引擎用 Rust 重写，让它能安全地剥离静态样式，同时完整保留所有动态逻辑。

3. 为了应对大型企业级 monorepo，我引入了 Rayon 多线程，让所有 CPU 核心并行处理文件。

4. 最后，我加入了 Next.js/NestJS 路由表发现、React 组件蓝图，以及基于 Foyer 磁盘缓存（Zstd）的本地 Ollama 摘要功能，使重复运行在毫秒内即可完成。

最终效果：

在完全相同的那个 209,757 tokens 的项目上，urai-ecma 将 prompt 压缩到 36,153 tokens——减少了 83%。模型响应迅速精准，再也没有出现幻觉。

你可以通过 npm 或 cargo 安装试用：

npm install -g urai-ecma

（或：cargo install urai-ecma）

在你的 Next.js 或 React 项目中运行 "urai-ecma"，然后在评论区贴上你的 token 节省报告吧！我今天全天都在，会一一回答大家的问题、修复边界情况，也期待听到你的想法。

Urai(உரை)

Urai(உரை) 是什么？

产品详细介绍

定价方案

创始人评论

创始团队