Boost 是一款由 JFrog 团队开发的免费命令行工具（CLI），目标是解决 AI 编程智能体（coding agent）在读取终端日志、命令输出和代码搜索结果时浪费大量上下文（token）的问题。它会在这些嘈杂内容进入模型上下文窗口之前进行压缩，只保留真正有用的信息，例如失败信息、错误提示和摘要，同时丢弃重复、冗余的输出。
主要能力
- 终端与 CI 输出压缩：包裹 npm ci、docker build、pytest、go test 等命令，过滤命令输出中的噪声后再交给 AI 智能体。官方举例称，一条 go test 输出可从 232 行压缩到 22 行，同时保留真实的失败信息；在 npm ci 场景中，约 9,800 token 的输出可压缩至约 640 token。
- 兼容多种 AI 编程工具：可作用于 Cursor、Claude Code、Codex、GitHub Copilot、OpenCode。
- 图索引（Graph）能力：用一个图查询替代反复的 grep + read 循环，让智能体直接拿到定义和路径，而不是一堆文件内容。
- MCP 过滤器：对 MCP 调用进行过滤，并将 MCP JSON 重新编码为 TOON 格式，使相同数据占用更少 token。
- 文件优化：PDF 会转为 Markdown，图片会被缩小，然后再供智能体读取，官方称通常可自动减少 2–3 倍 token。
- 可逆与本地化：所有压缩都可逆，数据保留在本地，不是黑盒。
- 本地性能报告：提供本地统计报告，展示节省的 token 数量。
使用方式 官方提供一行安装命令（官网提到“Install Boost in one line”），免费、无需注册、不改变现有工作流。官网提到新版本支持无缝图索引和更广泛的 MCP 过滤器。
适用场景
- 在 CI 或本地终端中运行测试、构建、包安装命令，并将结果提供给 AI 编程助手。
- 涉及大量日志、代码搜索、MCP 调用和文件读取的 LLM 辅助开发流程。
- 希望在不更换工具链的前提下降低 token 成本、提升上下文利用效率的团队。
效果与限制
- 官方称在 Terminal-Bench 2.0 的同批 89 个任务上，任务成功率保持一致，单任务成本降低，基准测试显示成本约减少 12%。
- 用户反馈中出现了节省数千万 token 的案例，但这些属于个体使用体验。
- 定价方面：CLI 免费，官网明确表示它不是 JFrog 平台的付费 SKU。
- 关于具体的安装命令内容、支持的操作系统范围、详细配置项等，资料中暂未提供，需要以官网实际说明为准。
整体而言，Boost 定位为面向 AI 编程智能体的“输出压缩层”，通过减少进入上下文的噪声来节省 token，并保留可逆性与本地性。
