squeez

判断：如果你已经把 Claude Code、Copilot CLI、Gemini CLI 这类 AI CLI 用到高频工具调用阶段，squeez 值得关注；但现有证据主要来自官方 GitHub 仓库与仓库热度，能证明“被关注”，对“长期稳定好用”的证明还有限。

实际作用上，它不是通用大模型，也不是独立 IDE 或代码助手，更准确说是挂在 AI CLI 宿主前后的输出压缩层。仓库文案强调 hook-based token compressor，重点是压缩 bash/工具输出、代码读取结果，并提供 signature-mode、跨调用去重、MCP server 支持；“最高 95% 压缩”属于官方仓库说法，能说明设计目标，但不等于所有场景下的稳定收益。

门槛和成本方面，目前能较可靠确认的是它是开源项目；证据里没有官方定价、托管服务费用或 API 价格，因此不能把“省 token”直接换算成稳定省钱承诺。实际成本更可能来自安装、接入不同 CLI 宿主、观察压缩后是否影响模型判断，这部分目前缺少第三方系统实测，样本有限，应保守看待。

适合已经深度使用 AI CLI、上下文常被终端输出塞满、愿意折腾 hooks 与工作流优化的开发者；不适合只偶尔提问、主要在网页聊天里使用 AI、或希望开箱即用零配置的人。社媒共识目前主要体现为 GitHub star/fork 带来的热度证明，讨论质量偏“仓库自述+收藏关注”，教程、长文拆解、对比评测与争议讨论都较少，所以现阶段更像一个很有想法的基础设施小工具，而非已被广泛验证的标准方案。