เวลาบิลค่าใช้งาน Claude Code (ผู้ช่วยเขียนโค้ดด้วย AI) พุ่งเร็วกว่าที่คาด เรามักโทษตัวเองก่อนว่าพิมพ์สั่งงานยาวเกินไป แต่ Edgee มองว่าเรากำลังโทษผิดจุด Edgee คือ gateway โอเพนซอร์สที่เขียนด้วยภาษา Rust ทำหน้าที่เป็นตัวกลางระหว่าง coding agent (AI ผู้ช่วยเขียนโค้ดอย่าง Claude Code และ Codex) กับโมเดล AI ที่อยู่ปลายทาง สิ่งที่มันชี้ให้เห็นคือ ในหนึ่งเซสชันการทำงาน โทเคน (หน่วยข้อความที่ AI ใช้นับปริมาณและคิดค่าบริการ) เกือบทั้งหมดไม่ได้มาจากคำสั่งที่เราพิมพ์เลย แต่มาจาก context (ข้อมูลแวดล้อมที่ป้อนให้โมเดลอ่านก่อนตอบ) ที่ไหลเข้าโมเดลโดยอัตโนมัติ

แล้ว context ก้อนนั้นมาจากไหน? หลัก ๆ มีสามทาง ทางแรกคือผลลัพธ์ที่ tool พ่นกลับมา เช่น รายชื่อไฟล์ทั้งโฟลเดอร์ ประวัติการแก้โค้ดจาก git และบันทึก (log) ของ build กับ test ที่ยาวเป็นพรืด ทางที่สองคือนิยามของ tool กับ MCP (ช่องเชื่อมต่อให้ agent เรียกใช้เครื่องมือหรือข้อมูลจากภายนอก) และ skill ทุกตัวที่ agent แนบไปกับทุกคำขอ แม้งานตรงหน้าจะใช้จริงแค่ไม่กี่ตัว ทางที่สามคือ context ของโค้ดเบสที่โมเดลต้องอ่านประกอบ Edgee ประเมินว่ารวมกันแล้วส่วนนี้กินโทเคนราว 99% ของทั้งเซสชัน นี่คือจุดที่เงินค่อย ๆ หายไปเงียบ ๆ โดยที่เราแทบไม่เคยเห็นมันบนหน้าจอ

เงินหายไปกับ context ไม่ใช่คำสั่งที่พิมพ์

หลายปีที่ผ่านมา เรามักได้ยินคำแนะนำให้ประหยัดโทเคนด้วยการพิมพ์ให้สั้น เขียน prompt ให้กระชับ และตัดคำฟุ่มเฟือยทิ้ง คำแนะนำพวกนี้ไม่ผิด แต่ยังไม่ตรงจุดหลัก เพราะคำสั่งที่เราพิมพ์เองเป็นเพียงเศษเสี้ยวเล็ก ๆ ของโทเคนทั้งหมด ส่วนที่ใหญ่กว่ามากคือสิ่งที่ agent หยิบมาใส่ context window ให้เราโดยอัตโนมัติในทุกขั้นตอนของการทำงาน

Edgee แบ่งโทเคนในเซสชันออกเป็นสองเลเยอร์เพื่อให้เห็นภาพชัดขึ้น เลเยอร์แรกคือขาเข้า (input) หมายถึงทุกอย่างที่ไหลเข้า context window ทั้งผลลัพธ์ของ tool นิยาม tool และ context ของโค้ดเบส ส่วนนี้คิดเป็นราว 99% ของปริมาณโทเคนทั้งหมด เลเยอร์ที่สองคือขาออก (output) หรือคำตอบที่โมเดลเขียนกลับมา ส่วนนี้เหลือแค่ราว 1% ของปริมาณ แต่กลับเป็นโทเคนที่แพงที่สุดต่อหน่วย จึงยังคุ้มที่จะบีบ แม้จะเป็นก้อนเล็ก

Edgee นั่งขวางตรงกลาง แล้วบีบก่อนส่งเข้าโมเดล

วิธีที่ Edgee เข้าไปแก้คือวางตัวเป็นตัวกลางระหว่าง coding agent กับโมเดล แล้วบีบ context ก้อนนั้นให้เล็กลงก่อนถึงโมเดลจริง Edgee เป็น proxy หรือตัวกลางที่คำขอทั้งหมดระหว่างเรากับโมเดลต้องวิ่งผ่าน ทำให้เราคุมการเลือกโมเดลปลายทาง ดูสถิติ และลดต้นทุนได้จากจุดเดียว โดยไม่ต้องแก้โค้ดเดิมของเราเลย ใครที่เคยใช้เครื่องมือคุมการรับส่งข้อมูลของ AI อย่าง LiteLLM หรือ OpenRouter จะนึกภาพออกทันที เพราะ Edgee อยู่ในกลุ่มเดียวกัน เพียงแต่เขียนใหม่ด้วย Rust เพื่อให้เร็วและกินทรัพยากรน้อย

จุดที่ทำให้ลองง่ายคือมันติดตั้งแบบ drop-in คือเสียบเข้ากับ setup เดิมได้เลยโดยไม่ต้องรื้อของที่มีอยู่ บน macOS หรือ Linux เริ่มด้วยสองบรรทัดนี้:

curl -fsSL https://edgee.ai/install.sh | bash
edgee launch claude

แค่นี้คำขอทั้งหมดของ Claude Code ก็จะวิ่งผ่านชั้นบีบอัดโดยอัตโนมัติ ไฟล์ CLAUDE.md และการตั้งค่า MCP เดิมยังอยู่ครบเหมือนเดิม ไม่ต้องแตะ คำสั่ง edgee launch ยังรองรับ agent ตัวอื่นด้วย เช่น codex opencode codebuddy และ crush ส่วน Cursor นั้น Edgee บอกว่ากำลังจะเพิ่มเข้ามาในเร็ว ๆ นี้ และตอน launch ครั้งแรก Edgee จะติดตั้งแถบสถานะ (statusline) ใน Claude Code ให้เอง คอยโชว์ว่าเซสชันนี้ใช้โทเคนไปเท่าไรและบีบประหยัดไปได้เท่าไรแบบเรียลไทม์

สามเทคนิคที่บีบโทเคนในสองเลเยอร์

ระบบบีบอัดของ Edgee เวอร์ชันปัจจุบันที่เรียกว่า Compression V2 แยกการทำงานออกเป็นสามเทคนิค เปิดหรือปิดแต่ละเทคนิคได้อิสระเหมือนสวิตช์:

• tool_result_trimming (เลเยอร์ขาเข้า) คอยกรองผลลัพธ์ที่ tool พ่นกลับมาก่อนถึงโมเดล ตัดข้อความประกอบซ้ำ ๆ เครื่องหมายแบ่งหน้า รหัสสีในเทอร์มินัล (ANSI) และหัวตารางที่ซ้ำกันออก ตัวอย่างที่ Edgee ยกคือ รายชื่อไฟล์ในโฟลเดอร์ที่เดิมกิน 980 โทเคน เหลือ 340 โทเคน โดยโมเดลอ่านรู้เรื่องเท่าเดิม
• tool_surface_reduction (เลเยอร์ขาเข้าเช่นกัน) จัดการปัญหาที่ปกติ agent จะส่งนิยามของ MCP skill และ tool ทุกตัวที่มีไปให้โมเดลในทุกคำขอ แม้ราว 95% ของมันจะไม่เกี่ยวกับงานตรงหน้าเลย เทคนิคนี้ใช้ตัวคัดกรองเล็ก ๆ ที่ทำงานเร็ว คอยให้คะแนน tool แต่ละตัวว่าเกี่ยวกับงานแค่ไหน แล้วเก็บเฉพาะชุดที่เกี่ยวจริง ตัดที่เหลือทิ้ง แทนที่เราจะต้องมานั่งเปิดปิด MCP เองทีละตัว
• output_brevity (เลเยอร์ขาออก) ย่อคำตอบที่โมเดลเขียนยืดยาวให้กระชับลงโดยไม่ทิ้งเนื้อหาทางเทคนิค ปรับความแรงได้เป็นระดับเบา กลาง หรือหนัก แลกกันระหว่างความประหยัดกับน้ำเสียงของคำตอบ

ถ้าจะเริ่ม สองตัวแรกคือตัวที่ช่วยประหยัดโทเคนได้มากที่สุด เพราะมันจัดการฝั่งขาเข้าที่กินโทเคนถึง 99% ส่วน output_brevity เอาไว้รีดขาออกที่แพงต่อหน่วยเพิ่มอีกนิด และทั้งหมดนี้ Edgee บอกว่าใช้เวลาบีบเพิ่มขึ้นโดยเฉลี่ยไม่ถึง 12 มิลลิวินาที (ค่ากลาง หรือ P50) จึงแทบไม่รู้สึกว่าช้าลง

ตัวเลขลดครึ่งหนึ่ง หมายความว่าอะไรกันแน่

ตัวเลขที่ Edgee โชว์บนหน้าเว็บคือเซสชันสาธิตที่เปิดทั้งสามเทคนิค แล้วจำนวนโทเคนที่ส่งถึงโมเดลลดจาก 18,420 เหลือ 9,210 หรือราว 50% แต่ตรงนี้ต้องอ่านให้ละเอียด เพราะหน้าเว็บของ Edgee เขียนกำกับไว้เองว่านี่คือ "ตัวเลขสาธิต" (Illustrative figures) และผลจริงของแต่ละคนจะต่างกันไป (Your mileage may vary)

เพื่อวัดของจริงแทนตัวเลขการตลาด Edgee ทำเบนช์มาร์กแยกไว้อีกตัวชื่อ compression-lab ที่รันชุดคำสั่งเดียวกันเป๊ะ ๆ สามแบบเทียบกัน คือแบบไม่บีบเลย แบบเปิด Edgee และแบบใช้ RTK (เครื่องมือบีบโทเคนที่ทำงานในเครื่องตัวเอง) แล้วสรุปออกมาเป็นรายงานต้นทุนโทเคนต่อเซสชัน การใช้ชุดคำสั่งเดียวกันทุกรอบทำให้เทียบกันได้ตรงไปตรงมา แต่ตัวเลขผลลัพธ์จริงจากรายงานพวกนั้นต้องไปเปิดดูเองในหน้าโปรเจกต์บน GitHub เพราะมันไม่ใช่ค่าที่การันตีล่วงหน้าให้ทุกเครื่อง

อีกคำที่ต้องระวังคือ "บีบแล้วความหมายไม่หาย" (semantically lossless) Edgee เคลมว่าบีบแล้วโมเดลให้ผลลัพธ์แทบไม่ต่างจากตอนไม่บีบ และบอกว่าวัดจากชุดเบนช์มาร์กของตัวเอง แต่จนถึงตอนนี้ยังไม่มีใครนอกทีม Edgee ทำซ้ำผลนี้อย่างเป็นอิสระ หน้าเว็บเองก็ระบุข้อจำกัดไว้ตรง ๆ ว่า prompt ที่สั้นมากจะบีบได้น้อย ตัวนิยามโครงสร้างของ tool (tool schema) จะถูกปล่อยผ่านไม่แตะ และถ้าไม่มั่นใจ Edgee จะข้ามการบีบให้เลย

ก่อนเปิดใช้ ต้องรู้ว่ามันคือ proxy ที่ข้อมูลวิ่งผ่าน

ข้อสุดท้ายที่ต้องชั่งน้ำหนักคือเรื่องความไว้ใจ เพราะ Edgee เป็น proxy ที่คำขอของเราวิ่งผ่าน นั่นแปลว่า context และโค้ดของเราต้องผ่านชั้นการทำงานของมันก่อนถึงโมเดล ข้อดีคือมันเป็นโอเพนซอร์ส ใช้สัญญาอนุญาตแบบ Apache 2.0 และ build เองจากซอร์สได้ ถ้าอยากรันทุกอย่างบนเครื่องตัวเอง แต่วิธีติดตั้งแบบ drop-in ที่สะดวกที่สุดนั้นต้องผูกกับบัญชีผู้ใช้และ gateway ฝั่ง Edgee ด้วย และข้อมูลที่ Edgee เปิดเผยไว้ก็ยังไม่ได้ระบุชัดว่าคำขอวิ่งอยู่ในเครื่องเราล้วน ๆ หรือผ่านระบบฝั่ง Edgee ตรงนี้จึงเป็นเรื่องที่ควรเลือกอย่างเข้าใจ ไม่ใช่เปิดใช้โดยไม่รู้

ระบบบีบอัดของ Edgee พัฒนาต่อยอดมาจาก RTK (Rust Token Killer) ที่พูดถึงไปข้างต้น และ Edgee เองก็แนะนำว่าถ้าใครอยากได้ตัวที่ทำงานบนเครื่องตัวเองทั้งหมดแบบ local-first ให้ไปดู RTK ตรง ๆ ได้เลย และควรจำไว้ว่า Compression V2 ยังใหม่ ยังไม่ใช่มาตรฐานที่ผ่านการพิสูจน์จากคนหมู่มาก ตัวเลขและคำเคลมส่วนใหญ่ยังมาจากการวัดของ Edgee เอง การลองในสเกลเล็กก่อนแล้วดูตัวเลขประหยัดจริงจากแถบสถานะของตัวเอง จึงเป็นวิธีที่ปลอดภัยกว่าการเชื่อเลข 50% ทันที

สิ่งที่ Edgee เปลี่ยนจริง ๆ อาจไม่ใช่บิลค่าโทเคน แต่เป็นคำถามที่เราควรถามตัวเอง คำถามต่อจากนี้จึงไม่ใช่ "พิมพ์ให้สั้นลงได้อีกไหม" แต่เป็น "มีอะไรบ้างที่ไหลเข้าโมเดลในทุกคำขอ โดยที่เราไม่เคยเห็นมัน"

ที่มา:

• edgee-ai/edgee จาก Edgee
• Token Compression V2 for Coding Agents จาก Edgee