Tokenectomy Razor

Tokenectomy Razor

การผ่าตัดล็อกและปกปิดความลับที่รวดเร็วและกำหนดผลลัพธ์ได้แน่นอนสำหรับเอเจนต์เขียนโค้ด AI — ลดสัญญาณรบกวนจากเฟรมเวิร์กได้ 90%+ ปกปิดข้อมูลรับรองด้วยภูมิคุ้มกัน ReDoS แบบ O(N) เวลาแฝงต่ำกว่า 1 มิลลิวินาที เขียนด้วยภาษา Rust ที่ปลอดภัย

Tokenectomy (คำนาม): token + -ectomy (การผ่าตัดเอาออก) — การตัดทอนโทเค็นที่สิ้นเปลืองออกจากบริบทของ LLM อย่างแม่นยำ

เอนจินผ่าตัดล็อกประสิทธิภาพสูงและการปกปิดความลับสำหรับเอเจนต์เขียนโค้ด AI

• ทะเบียน MCP อย่างเป็นทางการ: mcp-name: io.github.Tokenectomy-Labs/razor

---

📋 สารบัญ

• มันทำอะไร
• คุณสมบัติหลัก
• เกณฑ์วัดประสิทธิภาพ
• การติดตั้ง
• การผสานรวม MCP
• การใช้งานตามกรณี
• คุณสมบัติขั้นสูง
• การเปรียบเทียบ
• คำถามที่พบบ่อย
• โรดแมป
• ความปลอดภัย
• การมีส่วนร่วม

---

มันทำอะไร

Tokenectomy Razor เป็นเซิร์ฟเวอร์ Model Context Protocol (MCP) แบบอัตโนมัติแบบเครื่องต่อเครื่อง (M2M) และเอนจินประมวลผลสตรีมที่เขียนด้วยภาษา Rust ที่ปลอดภัย มันสกัดกั้นล็อกข้อผิดพลาดจากเอเจนต์ AI ลดสัญญาณรบกวนจากเฟรมเวิร์กได้ 90%+ ปกปิดความลับโดยอัตโนมัติ (JWT, คีย์ API, ข้อมูลรับรองฐานข้อมูล) และแคชบริบทที่ผ่านการทำความสะอาดแล้วด้วย TTL 24 ชั่วโมง—ทั้งหมดโดยไม่ส่งข้อมูลดิบไปยังบริการภายนอก

ใน 30 วินาที

ปัญหา:

• เอเจนต์ AI สิ้นเปลืองโทเค็นกับสัญญาณรบกวนจากเฟรมเวิร์ก (node_modules, site-packages, .cargo/registry)
• ข้อมูลรับรองที่ละเอียดอ่อนรั่วไหลเข้าไปในล็อก LLM โดยไม่ตั้งใจ (คีย์ AWS, URL ฐานข้อมูล, โทเค็น API)
• ข้อผิดพลาดซ้ำๆ ที่เหมือนกันทำให้เสียเงินทุกครั้งที่ลองใหม่

วิธีแก้ไข:

Raw Error Log (38K tokens + secrets)
    ↓
[Redact secrets locally] → [Filter framework frames] → [Extract user code]
    ↓
Sanitized Context (2K tokens, no secrets) → Safe to send to LLM

ตัวอย่างจริง

ก่อน:

$ cat error.log | head -20
Error in /home/user/.cargo/registry/src-xxx/tokio-1.35/src/runtime/mod.rs:12345
  at /home/user/.cargo/registry/src-yyy/serde/src/lib.rs:456
  Database connection failed: postgresql://admin:secretpass@db.example.com:5432/mydb
  JWT Auth token: eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJzdWIiOiIxMjM0NTY3ODkwIn0...
  [... 500+ more framework frames ...]

หลัง:

$ cat error.log | razor --scrub
Error in /home/user/src/main.rs:42
  at /home/user/src/utils.rs:18
  Database connection failed: [CONNECTION_STRING_REDACTED]
  JWT Auth token: [JWT_REDACTED]

ประโยชน์:

• ✅ บริบทเล็กลง 95% (2K เทียบกับ 38K โทเค็น) → ประหยัดเงินค่าเรียก API ของ LLM
• ✅ ไม่มีความลับในล็อก → นอนหลับสบายขึ้น
• ✅ ข้อผิดพลาดที่เหมือนกันถูกแคช → การลองครั้งที่สองเสียค่าใช้จ่าย $0

---

จุดเด่นทางเทคนิค

                  ┌──────────────────────────────────────────────┐
   Agent Error     │              TOKENECTOMY RAZOR               │    Sanitized Context
   Dump (38K toks) │  - Polyglot Stack Frame Filter               │ ──►  (2K toks) ──► LLM
  ────────────────►│  - Deterministic Secret Redactor (O(N))      │
                   │  - SHA-256 Idempotency Cache (24h TTL)       │
                   └──────────────────────────────────────────────┘

• การผ่าตัดร่องรอยหลายภาษาเชิงลึก: การแยกวิเคราะห์ในหน่วยความจำครอบคลุม Rust, Python, TypeScript/JavaScript, Go, Java/Kotlin (Spring Boot 3, Tomcat, Hibernate, Netty, Undertow, HikariCP), C/C++ (AddressSanitizer, GDB, glibc) และ PHP กรองรายละเอียดภายในเฟรมเวิร์กและส่วนประกอบรันไทม์ที่ก่อให้เกิดสัญญาณรบกวนอย่างแม่นยำ พร้อมแยกเฟรมโค้ดแอปพลิเคชันจริงของผู้ใช้
• เอนจินวิเคราะห์โค้ด AST แบบคงที่ (analyze_code): การวิเคราะห์ AST แบบคงที่ปริมาณงานสูงเพื่อตรวจจับแฮนเดิลที่ไม่ปิด การรั่วไหลของทรัพยากร และช่องโหว่ด้านความปลอดภัย ด้วยขีดจำกัดการทำงานที่กำหนด (โหนด AST 50K, ขีดจำกัดไฟล์ 10 MB) และพิกัด LSP UTF-16 ที่แม่นยำ
• การปฏิบัติตาม TDQS ระดับ A ของ Glama: คะแนนคุณภาพนิยามเครื่องมือ 100% พร้อมขอบเขตสคีมาที่ชัดเจน เงื่อนไขก่อนรันไทม์ และการเปิดเผยข้อมูลครบถ้วนในเครื่องมือ MCP ทั้งหมด
• พร็อกซีรีเวิร์สเกตเวย์ AI (--proxy): สกัดกั้นสตรีมพรอมต์แบบโปร่งใสบน 127.0.0.1:8080 ทำการตัดทอนโทเค็นและปกปิดข้อมูลรับรองแบบเรียลไทม์ก่อนส่งต่อต้นทางไปยัง OpenAI, Anthropic หรือ Ollama
• การปกปิดความลับแบบ Zero-Knowledge: เอนจิน regex แบบกำหนดผลลัพธ์ได้เชิงเส้นเวลาจะลบ JWT, โทเค็น API, คีย์เข้าถึงคลาวด์, สตริงการเชื่อมต่อ และคีย์ส่วนตัวก่อนส่งผ่านเครือข่าย การประมวลผลทั้งหมดเกิดขึ้นในเครื่อง
• แคช Idempotency SHA-256: จัดเก็บผลลัพธ์ที่กำหนดได้ด้วย TTL 24 ชั่วโมง ความล้มเหลวซ้ำๆ ใน CI/CD หรือลูปเอเจนต์จะไม่ก่อให้เกิดค่าใช้จ่าย API ต้นทางใดๆ
• การจำกัดการข้ามเส้นทาง: การเข้าถึงระบบไฟล์ MCP ทั้งหมดถูกทำให้เป็นรูปแบบมาตรฐานและล็อกไว้ที่ขอบเขตโฟลเดอร์รากของเวิร์กสเปซ (CWD) ไม่มีการหลบหนี ../ หรือการเจาะผ่าน symlink
• การปฏิบัติตามโปรโตคอล M2M: เซิร์ฟเวอร์ stdio JSON-RPC 2.0 ดั้งเดิมที่ปฏิบัติตามข้อกำหนดโปรโตคอล Model Context Protocol อย่างเป็นทางการ

---

เกณฑ์วัดประสิทธิภาพที่ตรวจสอบได้

ตัวชี้วัดประสิทธิภาพอ้างอิงจากฮาร์ดแวร์จริงและสามารถทำซ้ำได้ผ่านชุดเกณฑ์วัดแบบสแตนด์อโลน:

เป้าหมายเกณฑ์วัด	ภาระงานที่ทดสอบ	การวัดที่ตรวจสอบแล้ว	ผลลัพธ์
การปกปิดล็อกปริมาณสูง	250,000 บรรทัด (24.44 MB) ดัมป์ระดับองค์กรที่มีคีย์ API และ URI การเชื่อมต่อ	333.49 มิลลิวินาที (73.3 MB/วินาที, 749,652 บรรทัด/วินาที)	ผ่าน
ความต้านทาน ReDoS	สตริงการย้อนรอยทางพยาธิวิทยา 50,000 ตัวอักษร	1.44 มิลลิวินาที (การประเมินเชิงเส้น $O(N)$)	ผ่าน
การทำงานพร้อมกันของเธรด	100 เธรด OS พร้อมกันทำงานปกปิดและแยกข้อมูลพร้อมกัน	100/100 เสร็จใน 27.35 มิลลิวินาที (7,312 การดำเนินการ/วินาที)	ผ่าน
รอยเท้าหน่วยความจำเคอร์เนล	หน่วยความจำสูงสุดระหว่างการทดสอบความเครียดต่อเนื่อง 250,000 บรรทัด	76.24 MB VmRSS ผ่าน /proc/self/status	ผ่าน

ทำความเข้าใจเกณฑ์วัด

ตัวชี้วัด	ทำไมจึงสำคัญ	สิ่งที่คาดหวัง
ปริมาณงานปกปิด 73.3 MB/วินาที	ล็อกส่วนใหญ่มีขนาด <5MB; คุณจะปกปิดได้ในหน่วยมิลลิวินาที	<10 มิลลิวินาทีสำหรับล็อก CI ทั่วไป
ภูมิคุ้มกัน ReDoS 1.44 มิลลิวินาที	ป้องกันเพย์โหลดล็อกที่เป็นอันตรายจากการโจมตี DoS ระบบของคุณ	ปลอดภัยสำหรับการใช้งานในโปรดักชันกับอินพุตที่ไม่น่าเชื่อถือ
หน่วยความจำสูงสุด 76.24 MB	เหมาะสำหรับรันเนอร์ CI/CD ที่มีข้อจำกัด (GitHub Actions, GitLab)	อยู่ในขีดจำกัด 256MB ได้อย่างสบาย
7,312 การดำเนินการ/วินาทีพร้อมกัน	เอเจนต์ AI หลายตัวสอบถามพร้อมกัน	จัดการคำขอพร้อมกัน 100 รายการได้อย่างปลอดภัย

ทำซ้ำในเครื่อง:

cargo test --release --test stress_benchmark -- --nocapture

---

การติดตั้ง

วิธีที่ 1: ทันทีผ่าน npx (แนะนำสำหรับไคลเอนต์ MCP)

ไม่ต้องใช้ชุดเครื่องมือ Rust การคอมไพล์แบบเนทีฟ หรือการตั้งค่าเส้นทางด้วยตนเอง:

npx -y tokenectomy-razor --mcp

หรือติดตั้งแบบโกลบอลผ่าน npm:

npm install -g tokenectomy-razor

วิธีที่ 2: Cargo (crates.io)

cargo install tokenectomy

วิธีที่ 3: ไบนารีเนทีฟที่คอมไพล์ล่วงหน้า (GitHub Releases)

ดาวน์โหลดไบนารีสแตนด์อโลนที่คอมไพล์ล่วงหน้าแบบไม่พึ่งพาใดๆ ได้โดยตรงจาก GitHub Releases:

• Linux: tokenectomy-linux-x86_64 (glibc), tokenectomy-linux-x86_64-musl, tokenectomy-linux-aarch64
• macOS: tokenectomy-darwin-arm64 (Apple Silicon M1/M2/M3/M4), tokenectomy-darwin-x86_64 (Intel)
• Windows: tokenectomy-windows-x86_64.exe

วิธีที่ 4: สร้างจากซอร์ส

git clone https://github.com/Tokenectomy-Labs/Tokenectomy.git
cd Tokenectomy
cargo build --release
sudo cp target/release/razor /usr/local/bin/razor

วิธีที่ 5: คอนเทนเนอร์หลายสถาปัตยกรรม (GHCR)

docker pull ghcr.io/tokenectomy-labs/razor:latest
docker run -it ghcr.io/tokenectomy-labs/razor:latest --help

---

การผสานรวม Model Context Protocol (MCP)

กำหนดค่า Tokenectomy Razor เป็นเซิร์ฟเวอร์เบื้องหลังอัตโนมัติในสภาพแวดล้อมเอเจนต์ AI หลัก:

Claude Desktop

เพิ่มใน ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) หรือ %APPDATA%\Claude\claude_desktop_config.json (Windows):

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"]
    }
  }
}

Cursor

เพิ่มใน .cursor/mcp.json ในโฟลเดอร์รากของโปรเจกต์ของคุณ:

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"]
    }
  }
}

VS Code (MCP ดั้งเดิม / GitHub Copilot Agent / Continue)

สำหรับ VS Code ที่รองรับ MCP ดั้งเดิม ให้สร้างหรือแก้ไข .vscode/mcp.json ในเวิร์กสเปซของคุณ:

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"]
    }
  }
}

หรือใช้ไบนารีเนทีฟเวลาแฝงต่ำพิเศษ (หากติดตั้งผ่าน cargo install tokenectomy):

{
  "mcpServers": {
    "tokenectomy": {
      "command": "razor",
      "args": ["--mcp"]
    }
  }
}

VS Code + Cline

เปิดการตั้งค่า Cline ใน VS Code (หรือแก้ไข cline_mcp_settings.json):

• macOS: ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
• Linux: ~/.config/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
• Windows: %APPDATA%\Code\User\globalStorage\saoudrizwan.claude-dev\settings\cline_mcp_settings.json

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"],
      "disabled": false,
      "autoApprove": [
        "get_error_context",
        "search_stack_overflow",
        "analyze_code"
      ]
    }
  }
}

VS Code + Roo Code

ในการตั้งค่า Roo Code (หรือแก้ไข cline_mcp_settings.json ในพื้นที่จัดเก็บ Roo):

• Linux: ~/.config/Code/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json
• macOS: ~/Library/Application Support/Code/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"],
      "disabled": false,
      "autoApprove": ["get_error_context", "analyze_code"]
    }
  }
}

Windsurf (Codeium)

เพิ่มใน ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"]
    }
  }
}

Google Antigravity CLI

agy mcp add tokenectomy-razor -- npx -y tokenectomy-razor --mcp

เครื่องมือ MCP ที่เปิดเผย

ชื่อเครื่องมือ	คำอธิบายความสามารถ
get_error_context	ดำเนินการผ่าตัดร่องรอยบนดัมป์ข้อผิดพลาด ลบสัญญาณรบกวนจากเฟรมเวิร์ก ปกปิดข้อมูลรับรอง และแยกบริบทซอร์สในเครื่องที่เกี่ยวข้องซึ่งจำกัดอยู่ในเวิร์กสเปซ
search_stack_overflow	สอบถาม Stack Exchange API สำหรับลายเซ็นข้อผิดพลาดที่เกี่ยวข้องโดยใช้คำค้นหาที่ผ่านการทำความสะอาด
apply_code_patch	ใช้การแก้ไขไฟล์แบบอะตอมมิกพร้อมการตรวจสอบไวยากรณ์ภาษาหลังการเขียน (cargo check, py_compile, node --check) และการย้อนกลับอัตโนมัติเมื่อการตรวจสอบล้มเหลว
analyze_code	ดำเนินการวิเคราะห์โค้ด AST แบบคงที่เพื่อตรวจจับการรั่วไหลของทรัพยากร ช่องโหว่ด้านความปลอดภัย และข้อบกพร่องของโค้ด ด้วยขีดจำกัดการทำงานที่กำหนดและพิกัด LSP UTF-16 ที่แม่นยำ

---

เริ่มต้นใช้งานอย่างรวดเร็ว

ฉันใช้ Claude Desktop

# 1. Add to claude_desktop_config.json (see MCP Integration section above)
# 2. When Claude encounters errors, it automatically uses "get_error_context" tool
# 3. Errors stay sanitized without any additional setup

ฉันใช้ GitHub Actions

# Add to your workflow (.github/workflows/build.yml)
- name: Sanitize Build Failure Log
  if: failure()
  uses: daffa2555/tokenectomy-action@v1
  with:
    log-file: 'build.log'
    output-file: 'sanitized.log'

# Now you can safely share sanitized.log without leak concerns

พารามิเตอร์:

พารามิเตอร์	ชนิด	ค่าเริ่มต้น	คำอธิบาย
log-file	String	''	เส้นทางไปยังไฟล์ล็อกข้อผิดพลาดดิบที่จะประมวลผล
log-content	String	''	เนื้อหาสตริงโดยตรงหากไม่ได้ระบุไฟล์
output-file	String	tokenectomy-sanitized.log	เส้นทางสำหรับไฟล์เอาต์พุตที่ผ่านการทำความสะอาด
version	String	v1.2.1	เวอร์ชันเป้าหมายของรีลีสไบนารี

ฉันต้องการความเป็นส่วนตัวสูงสุด (สภาพแวดล้อมแบบตัดขาดจากเครือข่าย)

# All redaction happens locally—no network calls except to your LLM
cargo install tokenectomy

# Process logs without any cloud services
echo $ERROR_LOG | razor --scrub --local-only

# Or from a file:
razor --scrub --file /var/log/app/error.log > sanitized.log

---

การใช้งานขั้นสูง

CLI แบบสแตนด์อโลน

นอกเหนือจากโหมดเอเจนต์ M2M แล้ว Razor ยังมีคำสั่ง CLI สำหรับการไพพ์เทอร์มินัลและการเขียนสคริปต์เชลล์ในเครื่อง:

# Scrub framework frames and output clean log
npm test 2>&1 | razor --scrub > sanitized.log

# Sanitize a specific log file
razor --scrub --file /var/log/app/error.log > sanitized.log

# CLI diagnosis with specific AI provider
razor --file error.log --provider openai
razor --file error.log --provider anthropic
razor --file error.log --local-only

โหมดพร็อกซีรีเวิร์สเกตเวย์ AI

Tokenectomy Razor สามารถทำงานเป็นพร็อกซีรีเวิร์ส HTTP ในเครื่องแบบโปร่งใส มันอยู่ระหว่างแอปพลิเคชันไคลเอนต์และผู้ให้บริการ LLM ต้นทาง (OpenAI, Anthropic, Ollama, OpenRouter) ดำเนินการตัดทอนโทเค็นและปกปิดข้อมูลรับรองแบบเรียลไทม์ก่อนส่งต่อต้นทาง

การพัฒนาท้องถิ่น (Loopback เริ่มต้น):

# Forward to OpenAI
razor --proxy --proxy-bind 127.0.0.1:8080 --upstream-url https://api.openai.com/v1

# Forward to local Ollama instance
razor --proxy --proxy-bind 127.0.0.1:8080 --upstream-url http://127.0.0.1:11434/v1

ชี้ไคลเอนต์ SDK หรือ IDE มาตรฐานใดๆ ไปที่พร็อกซีในเครื่อง:

export OPENAI_BASE_URL="http://127.0.0.1:8080/v1"
# Now all API calls are automatically sanitized

การเสริมความแข็งแกร่งของพร็อกซีในโปรดักชัน

การผูกกับอินเทอร์เฟซภายนอก (0.0.0.0) ต้องได้รับอนุญาตโทเค็นอย่างชัดเจน:

razor --proxy --proxy-bind 0.0.0.0:8080 --upstream-url https://api.openai.com/v1 --allow-remote --proxy-token "YOUR_SECURE_TOKEN"

ขีดจำกัดทรัพยากรที่บังคับใช้: MAX_HEADER_SIZE (64 KB), MAX_BODY_SIZE (10 MB), ไทม์เอาต์ไคลเอนต์/ต้นทาง (30 วินาที / 60 วินาที) และขีดจำกัดการทำงานพร้อมกัน 128 การเชื่อมต่อ

การกำหนดค่า

ค่ากำหนดสามารถตั้งค่าได้ผ่าน ~/.tokenectomy.toml:

default_provider = "openai"  # openai | anthropic | ollama | mock
openai_api_key = "sk-..."
anthropic_api_key = "sk-ant-..."
ollama_base_url = "http://localhost:11434"
context_lines = 10
max_context_chars = 10000

---

ระบบนิเวศที่รองรับ

ภาษา	เฟรมเวิร์กหลัก	เส้นทางเฟรมเวิร์กที่แยกออก
Rust	Tokio, Actix-web, Axum	.cargo/registry, .rustup, target/debug/build
Python	Django, FastAPI, Flask, PyTorch	site-packages, dist-packages, venv, __pycache__
TypeScript / JavaScript	Next.js, Express, NestJS, Vite	node_modules, .next, dist, รายละเอียดภายใน webpack
Golang	Gin, Fiber, panic จาก stdlib	go/src (stdlib), go/pkg/mod, vendor
Java / Kotlin	Spring Boot, Quarkus, Gradle	.m2/repository, .gradle/caches, รายละเอียดภายในเฟรมเวิร์ก
C / C++	GDB Backtraces, AddressSanitizer	/usr/include, /usr/lib, vcpkg_installed
PHP	Laravel, Symfony	vendor/composer, vendor/symfony, vendor/laravel

หมายเหตุ: ปัจจุบันมาพร้อมตัวแยกข้อมูลที่แข็งแกร่งสำหรับ Rust, Python, TypeScript/JavaScript และ Go การรองรับ Java/Kotlin, C/C++ และ PHP จะมาใน v1.2 ดู #1 สำหรับการติดตามความคืบหน้า

---

การเปรียบเทียบ Tokenectomy

คุณสมบัติ	Tokenectomy	Splunk Log Obfuscation	Datadog Logs	git-secrets
ติดตั้งทันที (ไม่ต้องติดตั้งเอเจนต์)	✅	❌	❌	✅
ทำงานกับเอเจนต์ AI (MCP)	✅	❌	❌	❌
ประมวลผลในเครื่องเท่านั้น	✅	❌	❌	✅
ร่องรอยสแตกหลายภาษา	✅	✅	✅	❌
แคชการปกปิด (ประหยัดค่าใช้จ่าย)	✅	❌	✅	❌
โอเพนซอร์ส (MIT)	✅	❌	❌	✅
ราคา	ฟรี OSS	$$$ /เดือน	$$$ /เดือน	ฟรี

เมื่อใดควรใช้ Tokenectomy:

• ✅ คุณใช้เอเจนต์เขียนโค้ด AI (Claude, Cursor, Cline ฯลฯ)
• ✅ คุณใส่ใจความเป็นส่วนตัวและการประมวลผลแบบท้องถิ่นเป็นหลัก
• ✅ คุณต้องการลดต้นทุนโทเค็น LLM
• ✅ คุณกังวลเกี่ยวกับการรั่วไหลของความลับในล็อก เมื่อใดควรใช้เครื่องมืออื่น:
• ❌ คุณต้องการเพียงการสแกนความลับแบบคงที่ → ใช้ truffleHog, detect-secrets
• ❌ คุณต้องการแดชบอร์ดตรวจสอบแบบเรียลไทม์ → ใช้ Datadog, New Relic, Splunk
• ❌ บันทึกข้อผิดพลาดของคุณมีขนาดเล็กกว่า 100 โทเค็นโดยธรรมชาติ → ค่าใช้จ่ายแฝงไม่คุ้มค่า
• ❌ ระบบของคุณถูกตัดขาดจากเครือข่ายโดยสิ้นเชิง → จริงๆ แล้ว Tokenectomy เหมาะสมที่สุด! (ประมวลผลในเครื่อง 100%)

---

คำถามที่พบบ่อย

ถาม: Tokenectomy ส่งบันทึกของฉันไปยังเซิร์ฟเวอร์ภายนอกหรือไม่?

ตอบ: ไม่ การแก้ไข การแยกวิเคราะห์ และการกรองทั้งหมดเกิดขึ้นในเครื่องของคุณ การเรียกเครือข่ายเพียงอย่างเดียวคือการเรียกไปยัง LLM ที่คุณเลือก (OpenAI, Anthropic, Ollama) หลังจาก การทำความสะอาดเสร็จสมบูรณ์ ดู SECURITY.md สำหรับการรับประกันแบบ zero-knowledge

---

ถาม: Tokenectomy แก้ไขความลับประเภทใดบ้าง?

ตอบ: GitHub PAT, คีย์ AWS, คีย์ API ของ OpenAI/Anthropic, JWT, สตริงการเชื่อมต่อฐานข้อมูล (PostgreSQL, MySQL, MongoDB, Redis), คีย์ SSH ส่วนตัว, webhook ของ Slack/Discord และอื่นๆ อีกมากมาย รายการทั้งหมดอยู่ใน src/redact.rs

---

ถาม: จะเกิดอะไรขึ้นหากความลับของฉันไม่ตรงกับรูปแบบการแก้ไข?

ตอบ: แจ้งปัญหา (issue) พร้อมตัวอย่าง (ที่ทำความสะอาดแล้ว) เราจะเพิ่มรูปแบบนั้น สำหรับตอนนี้ คุณสามารถเพิ่มรูปแบบที่กำหนดเองได้ใน ~/.tokenectomy.toml (ฟีเจอร์จะมาใน v1.3)

---

ถาม: Tokenectomy ปลอดภัยสำหรับการใช้งานในโปรดักชันหรือไม่?

ตอบ: ปลอดภัย เขียนด้วย Rust ที่ปลอดภัย (ไม่มีโค้ด unsafe ในเส้นทางความปลอดภัย), ทนทานต่อ ReDoS และ ผ่านการตรวจสอบด้วย RustSec ดู SECURITY.md สำหรับรายละเอียดทั้งหมด

---

ถาม: ฉันสามารถใช้ Tokenectomy แบบออฟไลน์ได้หรือไม่?

ตอบ: ได้—ยกเว้นการค้นหา Stack Overflow ใช้แฟล็ก --local-only เพื่อปิดการเข้าถึงเครือข่ายทั้งหมด (ยกเว้น LLM ของคุณ)

---

ถาม: ฉันจะถอนการติดตั้ง Tokenectomy ได้อย่างไร?

ตอบ: เพียงถอนการติดตั้ง:

npm uninstall -g tokenectomy-razor
# OR
cargo uninstall tokenectomy

ไม่จำเป็นต้องทำความสะอาดการกำหนดค่าใดๆ—ไม่มีไฟล์หลงเหลืออยู่

---

ถาม: ฉันสามารถใช้ Tokenectomy ในไปป์ไลน์ CI/CD ของฉันได้หรือไม่?

ตอบ: ได้! ใช้ GitHub Marketplace action (ดูส่วน Quick Start) หรือคอนเทนเนอร์ Docker ใช้งานได้กับ GitHub Actions, GitLab CI, Jenkins และอื่นๆ

---

ถาม: ความแตกต่างระหว่าง Razor (OSS) และ Sentinel (เชิงพาณิชย์) คืออะไร?

ตอบ: Razor เป็นเวอร์ชันชุมชนฟรีที่มีฟีเจอร์จำเป็นทั้งหมด Sentinel เพิ่มความสามารถขั้นสูง เช่น tree-sitter AST healing, เกราะป้องกันการหลอน (anti-hallucination guards) และ time-machine undo ดู การเปรียบเทียบรุ่น ด้านล่าง

---

การเปรียบเทียบรุ่น

ความสามารถ	Razor (Community OSS)	Sentinel (Commercial Tier)
การกรองบันทึกเฟรมเวิร์ก	ใช่	ใช่
การแยก trace หลายภาษา (4 ภาษา)	ใช่	ใช่ (7 ภาษา)
AI Reverse Proxy Gateway (--proxy)	ใช่	ใช่
การรวม Stack Overflow	ใช่	ใช่
แคช idempotency SHA-256	ใช่	ใช่
การแก้ไขความลับที่ปลอดภัยจาก ReDoS	ใช่	ใช่
เซิร์ฟเวอร์โปรโตคอล MCP (JSON-RPC)	ใช่	ใช่
ทักษะเอเจนต์แบบรวม	2 ทักษะ (Spec TDD & Fuzzer)	ชุดทักษะครบ 4 ทักษะ
Tree-sitter AST Syntax Healing	ไม่	ใช่
เกราะป้องกันขอบเขตการหลอน	ไม่	ใช่
วงจรย้อนกลับการทดสอบอัตโนมัติ	ไม่	ใช่
ธุรกรรมอะตอมหลายไฟล์	ไม่	ใช่
เอ็นจิน Time Machine Undo (--undo)	ไม่	ใช่
เอ็นจิน True Ectomy Deep Surgery	ไม่	ใช่
การวินิจฉัย Live DB Port และ Docker	ไม่	ใช่

สนใจ Sentinel หรือไม่? ดูราคาและฟีเจอร์

---

แผนงาน

เหตุการณ์สำคัญ / ความสามารถ	สถานะ	เวอร์ชันเป้าหมาย
การผ่าตัดบันทึกหลายภาษาแกนหลักและการแก้ไขความลับที่ทนทานต่อ ReDoS แบบ $O(N)$	✅ เสร็จสมบูรณ์	v1.0.0
AI Gateway Reverse Proxy (--proxy) และแคช idempotency SHA-256	✅ เสร็จสมบูรณ์	v1.1.0
Docker หลายสถาปัตยกรรม (GHCR) และ GitHub Actions Marketplace Action	✅ เสร็จสมบูรณ์	v1.1.3
เอ็นจินวิเคราะห์โค้ด AST แบบคงที่ (analyze_code) และออฟเซ็ต LSP แบบ UTF-16	✅ เสร็จสมบูรณ์	v1.1.5
คะแนนคุณภาพคำจำกัดความเครื่องมือ Glama.ai (TDQS Grade A)	✅ เสร็จสมบูรณ์	v1.1.5
ไบนารีที่คอมไพล์ล่วงหน้าแบบหลายสถาปัตยกรรมแบบสแตนด์อโลน (Linux, macOS, Windows)	✅ เสร็จสมบูรณ์	v1.1.6
การลงทะเบียนใน MCP Registry อย่างเป็นทางการของ Anthropic (io.github.Tokenectomy-Labs/razor)	✅ เสร็จสมบูรณ์	v1.1.7
การซิงโครไนซ์ไดเรกทอรีอย่างเป็นทางการของ mcpservers.org และป้ายกำกับ	✅ เสร็จสมบูรณ์	v1.1.7
ตัวแยก trace สแตกเฟรมเวิร์ก Java / Kotlin (Spring Boot 3, Gradle)	✅ เสร็จสมบูรณ์	v1.2.0
ตัวทำความสะอาด backtrace C / C++ (AddressSanitizer และ GDB/LLDB)	✅ เสร็จสมบูรณ์	v1.2.0
ฮิวริสติกการบีบอัด panic และ dump ของ goroutine ใน Go	✅ เสร็จสมบูรณ์	v1.2.0
รายการในแคตตาล็อกไดเรกทอรีชุมชน awesome-mcp-servers	🔄 กำลังดำเนินการ	v1.2.0
รูปแบบการแก้ไขความลับที่ผู้ใช้กำหนดเองผ่าน ~/.tokenectomy.toml	📋 วางแผนแล้ว	v1.3.0
เกณฑ์เสียงรบกวนที่กำหนดค่าได้และรูปแบบการยกเว้นที่กำหนดเอง	📋 วางแผนแล้ว	v1.3.0
แดชบอร์ดเมตริกการประหยัดโทเค็นและต้นทุนของเอเจนต์ในเครื่อง	📋 วางแผนแล้ว	v1.3.0
ส่วนขยายคู่หู VS Code และ JetBrains ดั้งเดิม	📋 วางแผนแล้ว	v1.4.0
การขนส่ง MCP ระยะไกลแบบ Server-Sent Events (SSE)	📋 วางแผนแล้ว	v1.4.0
Tree-sitter AST syntax healing และการซ่อมแซม	✅ Sentinel (ชำระเงิน)	พร้อมใช้งานแล้ว
ธุรกรรมอะตอมหลายไฟล์และการย้อนกลับ Time-machine (--undo)	✅ Sentinel (ชำระเงิน)	พร้อมใช้งานแล้ว

---

หลักประกันด้านความปลอดภัยและความน่าเชื่อถือ

• การประมวลผลแบบ Zero-Knowledge: การสแกนและการแก้ไขทั้งหมดเกิดขึ้นบนฮาร์ดแวร์ในเครื่องก่อนที่ข้อมูลจะออกจากขอบเขตระบบ
• ภูมิคุ้มกันต่อ ReDoS: ตัวจับคู่รูปแบบทั้งหมดใช้การประเมินออโตมาตาจำกัดพร้อมการรับประกันเวลาเชิงเส้น ตรวจสอบแล้วในเกณฑ์มาตรฐาน
• การแยกการข้ามเส้นทาง: การดำเนินการไฟล์ถูกล็อกอย่างเคร่งครัดภายในขอบเขตพื้นที่ทำงานผ่านโมดูลความปลอดภัย WorkspaceBoundary
• ความปลอดภัยของหน่วยความจำ: นำไปใช้ใน Rust ที่ปลอดภัยพร้อมตัวอ่านสตรีมแบบจำกัดขอบเขต (.take()) ป้องกันการโจมตีแบบทรัพยากรหมด
• การตรวจสอบการตรวจสอบ: การตรวจสอบการพึ่งพาอย่างต่อเนื่องผ่านฐานข้อมูลคำแนะนำ RustSec

การเปิดเผยช่องโหว่: ดู SECURITY.md สำหรับขั้นตอนการเปิดเผยอย่างรับผิดชอบ

---

การมีส่วนร่วม

พบข้อบกพร่อง? มีคำขอฟีเจอร์? ต้องการเพิ่มการสนับสนุนภาษาใหม่?

1. ปัญหา (Issues): github.com/Tokenectomy-Labs/Tokenectomy/issues
2. Pull Requests: Fork, สร้างสาขาฟีเจอร์ และส่ง PR พร้อมการทดสอบ
3. ความปลอดภัย: ดู SECURITY.md สำหรับการเปิดเผยช่องโหว่ส่วนตัว

ดู CONTRIBUTING.md สำหรับแนวทางการมีส่วนร่วมโดยละเอียด

---

ทรัพยากร

• 📖 เอกสารประกอบ — คู่มือฉบับเต็ม, การอ้างอิง API และบทช่วยสอนการรวมระบบ
• 📋 บันทึกการเปลี่ยนแปลง — ประวัติการเผยแพร่และการเปลี่ยนแปลงที่สำคัญ
• 🤝 การมีส่วนร่วม — วิธีมีส่วนร่วม, ขั้นตอนการพัฒนางาน และการทดสอบ
• 🔒 นโยบายความปลอดภัย — รายละเอียดการเปิดเผยช่องโหว่และการตรวจสอบ
• 🏗️ สถาปัตยกรรม — การออกแบบภายในและสถาปัตยกรรมระบบ

---

สัญญาอนุญาต

สัญญาอนุญาต MIT ดู LICENSE สำหรับข้อกำหนดฉบับเต็ม

---

สร้างด้วย ❤️ โดย @daffa2555

มีคำถาม? เปิดปัญหา (issue) หรือเริ่มการสนทนาบน GitHub