把你的 LLM Token 账单最多降低 95%——别再为重复发送相同上下文付费
你的 AI 不需要每次都读完整个文件。MemoryLake 是一个持久化记忆层，每个文档只处理一次，然后只检索模型真正需要的约 5%——而不是在每次调用时把整份文件和聊天记录重新塞回上下文窗口。输入更少的 token，账单更低，触达用量上限的时间也大幅推迟。
你的 Token 为什么会消失
几乎所有"我的 AI 太贵了"的问题，根因都一样：每一轮都把整个上下文重新发送一遍。两类人群感受不同——但泄漏点完全相同。
面向开发者与 AI Agent
- 每个 agent 步骤都重新加载完整文件和先前上下文——即使其中 95% 无关。
- 多 agent 和长时运行循环是重灾区：agent 烧 token、多 agent token 成本、agent 上下文成本。
- 在编码工具里表现为 Claude Code token 用量、Cursor token 用量、Codex 烧额度——模型每个会话都重读你的仓库。
面向日常 AI 用户
- 你不断重新解释相同的背景、反复上传相同的文件。
- 长对话撞上 ChatGPT 上下文窗口上限、Claude 用量上限、Cursor 用量上限——往往就在任务进行到一半时。
- "记忆已满"和被截断的对话，恰恰在关键时刻打断你的节奏。
MemoryLake 针对的是病因，而非症状：给模型更少的内容——而不是把同样的东西一遍遍重发。
MemoryLake 如何节省 Token
一次处理
导入 PDF、Word、Excel、PowerPoint、图片、CSV 和 Markdown。每个文件只解析和索引一次——而非每次请求都处理。
精准召回
当你的 AI 需要信息时，MemoryLake 通过精准召回只返回相关片段——只有少量数据进入 LLM。
越用越省
文件越大、访问越频繁，省得越多——与"把所有东西塞进上下文"完全相反。
用记忆层取代更大的 prompt
每次调用更省
只为读取一次文档付费，之后永久低成本复用。
精准召回
只有相关片段进入模型，缩小上下文窗口用量和 prompt 体积。
贯穿你的技术栈
通过 MCP 接入 Claude、ChatGPT、Claude Code、Cursor、Codex、OpenClaw、Hermes 以及任何 MCP 客户端。
跨会话记忆
在对话、会话乃至不同 AI 之间，不再重新上传文件、重新解释上下文。
多模态捕获
PDF、Office 文档、图片和表格都成为可复用的记忆——而非一次性上传。
你始终掌控
随时检查、导出或删除任意内容。架构性隐私。
来自线上计算器的真实节省
来自 Token 节省计算器的示例：一份 100 页文档，每月读取约 375 次，每次约 5% 相关，使用 Claude Haiku 4.5（$1 / 100 万输入 token）。
| 指标 | 不使用 MemoryLake | 使用 MemoryLake |
|---|---|---|
| 每月 LLM 成本 | $30.00 / 月 | $1.50 / 月 |
| 每月节省 | — | $28.50（降低 95%） |
| 年度节省 | — | $342.00 |
| MemoryLake 用量 | — | 约 156K tokens/月（落在 Free——300K 之内） |
为 Token 账单的两端而生
面向开发者与 AI Agent
给你的 agent 一个记忆层，而不是更大的 prompt。MemoryLake 通过 MCP 接入，让你的工具只检索所需内容——无需改变你的构建方式。
- 不再每个会话重新喂入仓库和文档。
- 用检索取代"把所有东西塞进上下文"。
- 在撞上 Codex 或 Claude Code 上限时把它推回去。
面向日常 AI 用户
不再重复上传相同文件、重复自我解释。MemoryLake 跨对话、跨设备记住你的文档和上下文，让对话保持简短。
- 不再"把文件再传一次"。
- 不再每次对话都重新解释背景。
- 更少撞上上下文窗口与用量上限。
5 分钟完成设置
- 1
创建你的 Project
注册并在 MemoryLake 中创建一个 Project（Free 套餐：每月 300,000 tokens）。
- 2
添加一条 Memory
把文件上传到你的 Document Drive——PDF、Word、Excel、PowerPoint、图片、Markdown。
- 3
通过 MCP Server 连接
在 ChatGPT、Claude、Claude Code、Cursor、Codex、OpenClaw 或任何 MCP 客户端中，把 MemoryLake 添加为 MCP 连接器。
- 4
用 API Key 认证
在客户端要求填写凭据处，使用你的 API Key ID、Secret 和 Endpoint（Bearer 认证）。
- 5
正常提问
你的 AI 现在只从记忆里召回所需内容，而不是重新加载整份文件。看着 token 数量下降。
"把所有东西塞进上下文" vs. MemoryLake
| 默认（全部重发） | 使用 MemoryLake | |
|---|---|---|
| 每次文件访问的 token | 每次都是整份文件 | 只有相关的约 5% |
| 成本随用量增长 | 每次调用都攀升 | 趋平——读取一次，低成本复用 |
| 重新上传文件 | 每个会话手动上传 | 存储一次，自动召回 |
| 重新解释上下文 | 每次对话都重复 | 跨对话与工具持久保留 |
| 多 Agent 工作流 | 每个 agent 都重读全部 | 共享记忆，按需检索 |
| 上下文窗口压力 | 很快填满、被截断 | 保持精简 |
| 用量上限 | 又早又频繁地撞上 | 显著推迟 |
常见问题
这里的"token"是加密货币代币吗？
不是。这里的"token"指 LLM token——模型读写文本的单位，也是你被计费的对象。MemoryLake 减少你花费的 token 数量。
MemoryLake 究竟如何减少 token 用量？
它把每个文件处理一次，然后每次请求只检索相关部分——而不是每次都把整份文档塞进上下文窗口。输入的上下文更少 = 计费的 token 更少。
它能帮助应对 Claude Code / Cursor / Codex 的 token 和用量上限吗？
能。这些工具每个会话都重读你的文件和上下文。只召回所需内容能降低 token 用量，并把撞上用量或额度上限的时间往后推。
它适用于 AI Agent 和多 Agent 工作流吗？
适用——而且这正是收益最大的场景。长时运行和多 agent 循环不断重发上下文；共享记忆层能削减 agent 与多 agent 的 token 成本。
我需要改动代码或模型吗？
不需要。MemoryLake 通过 MCP 接入，兼容 30+ 模型（Claude、GPT、Gemini、DeepSeek、Qwen 等）。保留你现有的配置即可。
我到底能省多少？
取决于文件大小和访问频率。在计算器的示例中（一份 100 页文档每月读取约 375 次），每月 LLM 成本从 $30.00 降到 $1.50（95%）。用你自己的数字运行计算器看看。
有免费套餐吗？
有——Free 套餐每月 300,000 tokens。Pro 为 $19/月（620 万 tokens）；Premium 为 $199/月（6600 万 tokens）。