sjq

产品配图

关于

（当前6 star） 它解决什么问题 把 LLM 流式响应用管道传给 jq： console $ curl -sN "$BASEURL/v1/chat/completions" -d '{"stream":true, …}' | jq jq: parse error: Invalid numeric literal at line 1, column 5 流式响应不是一份 JSON 文档，而是一行行 data: {...} 的 SSE 事件（/v1/responses 还有 event: 行）。sjq 解析 SSE 分帧，每个事件只打印它新增的内容，一行一个增量，外加一行计时：TTFT、总耗时、tokens/秒。 信封占了 98.6%–99.1% 每个 data: 行都在重复 id、model、object 类型和一串 null，真正的新文本只有几个字符（按字节实测；SSE 信封是高度重复的 JSON，token 占比与字节占比基本一致）： | 流 | 线上字节 | 生成文本 | 信封占比 | |---|---|---|---| | chat completion，短回答 | 3,590 B | 31 B | 99.1% | | chat completion，推理 + 回答 | 10,446 B | 142 B | 98.6% | | Responses API，推理 + 回答 | 24,726 B | 300 B | 98.8% | Agent Loop 中节省 98.6%–99.1% Token 调试 Agent Loop 时，常常要让 agent 盯着原始流看：某个工具是不是在正确的时间、以正确的参数被调用了。直接把原始 SSE 喂给 agent，98.6%–99.1% 的输入 token 都花在信封上。先用 sjq 过一遍，agent 只读增量——同一份信息，输入 token 省 98.6%–99.1%。 按模型算一笔账 价格来源： tokens）。以 50M input token 的原始流为基准（即 agent 直接读原始 SSE 流）： | 模型 | 输入价格 | input token 大小 | 原始成本 | 用 sjq 后成本 | 节省 | |---|---|---|---|---|---| | fable-5-1 | $10.00 | 50M | $500.00 | $4.50–$7.00 | $493.00–$495.50 | | gemini-4-argon | $4.00 | 50M | $200.00 | $1.80–$2.80 | $197.20–$198.20 | | gpt-6.1-sol | $2.00 | 50M | $100.00 | $0.90–$1.40 | $98.60–$99.10 | 节省比例只取决于信封占比（98.6%–99.1%）；绝对节省金额随模型输入价格变化。（注：fable-5-1 在价格页上为 claude-fable-5-1。） 安装 sh brew tap vivgrid/tap && brew trust vivgrid/tap # Homebrew 6+ 需要 trust 第三方 tap，一次即可 brew install sjq 或从源码安装 cargo install --git

收录记录

1. Show HN

   2026年10月16日 · 1 次收录

2. 阮一峰周刊·用户投稿

   2026年10月16日 · 1 次收录