Pickaxe Tax

Stop paying the pickaxe tax. #AntiTokenMaxing In a gold rush, the people selling pickaxes get rich. Your AI re-reads the whole conversation every single turn, and you pay for every re-read. Build less. Waste less. Use the compute we already have.

Try it in your browser (nothing is uploaded): https://graviton94.github.io/pickaxetax/ · pip install pickaxetax

한국어 · Charter (KO) · Decisions · Architecture · Privacy

Chat models re-read the entire conversation on every turn. Late constraints, re-asks, "thanks!" messages and topic switches inside one chat make that cost grow quadratically. Pickaxe Tax takes a shared conversation (share link, export JSON or pasted transcript) and throws the text away. What it keeps is a graph skeleton: agenda (topic labels), structure (per-turn intents and typed edges such as DEEPENS, PIVOTS, CORRECTS and RETRIES), depth (topic threads and drill-down level) and token flow. It then shows:

• actual vs. optimal compute (one focused chat per topic, with the waste removed) and a one-shot lower bound
• where the compute leaked: thank-you messages, discarded answers, re-sent off-topic history
• a one-shot prompt skeleton built only from topic labels
• habits to change, ranked by measured waste

Contributed skeletons feed a public, k-anonymous topic graph (a topic is shown only once it appears in ≥ k conversations) plus aggregate waste statistics. The analyzer itself calls no LLM: a project about saving tokens shouldn't spend them.

pip install -e ".[dev]"
pickaxetax serve                      # conversation skeleton analyzer (web); `pxt` is a short alias
pickaxetax proxy                      # local proxy: OpenAI-compatible /v1, Anthropic base URL
pickaxetax ledger                     # tokens spent, context re-sent, tokens avoided
pickaxetax bench run --base-url http://localhost:11434 --model llama3.2   # donate benchmark compute
pytest

Local proxy. Point your client at it and it forwards to the real provider with your own key, which it never stores. It measures every request (input, output, reasoning, re-sent context). By default it also drops earlier pure thank-you exchanges from the history and answers a bare "thanks" locally instead of re-reading the whole chat. "ok"/"yes" are never short-circuited, because in agent workflows they mean "go ahead". Requests with tools are never rewritten. Opt-in: --cache reuses responses to identical temperature-0 requests, stored on your disk.

Coding agents (Claude Code). pxt agent audit reads your local transcripts and shows where the tokens went: cache hits, peak context, re-reads of unchanged files, huge tool outputs, repeated failures, and how many times each result was re-sent afterwards. pxt agent hook install adds a guard that blocks a re-read of an unchanged file once (a repeated request is allowed, compaction resets it) and logs the avoided tokens. Or install it as a plugin:

/plugin marketplace add graviton94/pickaxetax
/plugin install pickaxetax@pickaxetax

Web app (local-first). site/ is a static page that runs the same engine in your browser. You can paste text, drop an export file, or use a share link through a bookmarklet that reads the page you already have open. Its Content-Security-Policy (connect-src 'none') makes it impossible for the page to send your conversation anywhere. It is deployed to GitHub Pages; to run it locally: cd site && python3 -m http.server.

Contribute (one click, no account). After an analysis, the web app shows exactly what would be sent (numbers and structure, never text) and contributes it anonymously. Developers can contribute from the terminal:

pxt agent audit --export | pxt contribute send -     # anonymous
pxt contribute github my-ledger.json                 # verified, via a prefilled GitHub issue

How to help at zero cost: see CONTRIBUTING.md.

See docs/ARCHITECTURE.md and docs/PRIVACY.md.

Where this is going

The AI boom is turning into a gold rush where only the pick-and-shovel sellers win: more GPUs, more data centers, more power. The waste is not only in conversations. It runs through the whole compute stack: infrastructure built ahead of revenue, oversized models and needless reasoning tokens, and wasteful usage. Pickaxe Tax is the open toolkit of #AntiTokenMaxing, a global effort to prove that with public data and remove it with open tools:

• Shared brain: solution-path graph + open efficiency dataset, built from conversation skeletons contributed by users worldwide
• Prompt compiler: a local proxy/SDK and coding-agent plugin that compile wasteful requests into minimal ones and measure the savings
• Watchdog — Compute Bubble Index: how much of the deployed AI compute actually produced value? Top-down capital data (capex vs. AI revenue, circular deals, depreciation assumptions) meets bottom-up measurements (model over-computation, avoidable usage), published as a dashboard and a quarterly "gold rush bill" report (design, KO)
• Standard: a Token Efficiency Index for models and products

Principles: local-first (raw text never leaves your device), two-step consent, no LLM calls in the analysis path, cold data and bold messages, and a mirror rather than an enemy to model developers. Public goods (data, standard, core engine) are held by a foundation under irrevocable open licenses. Full charter: docs/CHARTER.md.

License

Code: Apache-2.0 · Data: ODbL 1.0

---

한국어

Pickaxe Tax (곡괭이세): 골드러시에서 돈을 버는 건 곡괭이 판매자다. 우리는 그 세금을 그만 낸다. 운동명은 #AntiTokenMaxing이다.

AI는 같은 대화를 매 턴 처음부터 다시 읽습니다. 원문은 버리고, 대화의 모양만 남겨, 불필요했던 연산을 드러냅니다.

프로젝트의 핵심 가치, 방향성, 조직 구조는 프로젝트 헌장에 정리되어 있습니다.

왜 만드나

"토큰맥싱"(token-maxing)은 습관입니다. 조건을 나중에 덧붙이고, 같은 질문을 다시 하고, 답이 끝난 뒤 "고마워"를 보내고, 한 창에서 주제를 바꿔 계속 이어 갑니다. 채팅형 AI는 답할 때마다 이전 대화 전체를 다시 입력으로 읽기 때문에 이런 습관의 비용은 대화 길이에 따라 제곱으로 커집니다. 40번째 턴의 "고마워" 한 마디는 수만 토큰을 다시 처리하게 만듭니다.

이렇게 불어난 연산은 GPU, 데이터센터, 전력 수요로 이어집니다. 이 프로젝트는 그 낭비를 측정 가능한 숫자로 보여 주고, 다음 대화에서 바로 쓸 수 있는 습관과 프롬프트 골격으로 되돌려 주는 공익 프로젝트입니다. 배경과 원칙은 docs/MANIFESTO.md에 있습니다.

무엇을 하나

1. 올리기: ChatGPT·Claude·Gemini 등의 공유 링크, 데이터 내보내기 JSON, 또는 User: / Assistant: 형식의 텍스트
2. 골격 추출: 원문을 메모리에서만 분석해 다음 항목을 뽑습니다
   • 아젠다: 대화의 핵심 주제 라벨
   • 스트럭처: 턴마다의 의도(질문·지시·보충·정정·재질문·계속·감사·대용량 붙여넣기)와 턴 사이의 관계(DEEPENS, PIVOTS, RETURNS, CORRECTS, RETRIES …)
   • 뎁스: 주제 갈래(branch)와 각 갈래 안의 파고들기 깊이
   • 토큰 흐름: 보이는 토큰, 실제 과금 입력(이력 재전송), 출력
3. 원문 폐기: 텍스트는 저장하지 않습니다. 저장되는 것은 골격(숫자, 의도 라벨, 주제 라벨, 솔트된 지문)뿐입니다
4. 그래프 DB화: (:Conversation)-[:HAS_TURN]->(:Turn)-[:ABOUT]->(:Topic) 형태의 속성 그래프로 저장합니다. Neo4j로 보낼 수 있는 Cypher 내보내기도 제공합니다
5. 되돌려 주기
   • 실제 연산과 최적 연산 비교 (주제별 새 대화 + 낭비 제거 기준, 한 번에 물었을 때의 하한선)
   • 낭비 유형별 비중: 감사 메시지, 버려진 답변, 무관한 주제 재전송
   • 주제 라벨만으로 만든 한 번에 끝내는 프롬프트 골격
   • 측정된 낭비 순으로 정렬한 습관 교정 팁
6. 공익 그래프: 기여된 골격을 집계해 주제 동시출현 그래프와 전체 낭비 통계를 공개합니다. k-익명성을 적용해 k개(기본 3개) 이상의 대화에서 등장한 주제만 노출합니다

분석기 자체는 LLM을 호출하지 않습니다. 규칙 기반 의도 분류, 키워드 랭킹, SimHash를 쓰므로 분석에 드는 연산은 거의 0입니다.

빠른 시작

pip install -e ".[dev]"
pickaxetax serve                    # http://127.0.0.1:8000
# 또는
pickaxetax analyze chat.txt         # 로컬 분석 (기본값은 저장 안 함)
pickaxetax analyze conversations.json --save
pickaxetax analyze https://chatgpt.com/share/... --json
pickaxetax export > public_graph.cypher
pytest

환경 변수	기본값	설명
PICKAXETAX_DB	data/pickaxetax.sqlite3	그래프 저장소 경로
PICKAXETAX_SECRET	자동 생성 후 DB에 보관	ID와 지문에 쓰는 솔트. 운영 환경에서는 직접 지정 권장
PICKAXETAX_K_ANON	3	공개 그래프의 k-익명성 임계값 (API로는 낮출 수 없음)
PICKAXETAX_INPUT_WEIGHT	0.25	입력 토큰 연산 가중치 (출력 = 1)
PICKAXETAX_WH_PER_1K	0.5	1k 연산 단위당 Wh. 예시용 가정치

API

메서드	경로	설명
POST	/api/analyze	`{"input": "<링크
POST	/api/analyze/file	multipart 파일 업로드 (file, save)
GET	/api/conversations/{id}	골격 조회
GET	/api/conversations/{id}/graph.json · /cypher	내보내기
DELETE	/api/conversations/{id}	X-Delete-Token 헤더로 내 기여 삭제
GET	/api/stats	전체 임팩트 집계
GET	/api/topics · /api/topics/cypher	k-익명 주제 그래프

대화형 문서는 /api/docs에 있습니다.

구조

pickaxetax/
  ingest/     공유 링크(SSRF 방지 허용 목록), 내보내기 JSON, 텍스트 파서
  analyze/    의도 분류 · 깊이/갈래 · 토큰 회계 · 제안 생성 (LLM 미사용)
  graph/      SQLite 속성 그래프 저장소 + Cypher/JSON 내보내기
  web/        FastAPI + 의존성 없는 단일 페이지 UI (한/영)
  cli.py
docs/         MANIFESTO · ARCHITECTURE · PRIVACY

자세한 설계는 docs/ARCHITECTURE.md, 개인정보 설계는 docs/PRIVACY.md를 보세요.

로드맵

• 브라우저 확장 또는 WASM으로 클라이언트 측 골격 추출 (원문이 서버로 아예 가지 않게)
• 공유 페이지 파서 강화 (클라이언트 렌더링되는 ChatGPT와 Gemini 신규 포맷)
• 집계 통계에 차등 프라이버시 노이즈 추가
• 주제별 "최단 경로" 패턴 라이브러리: 같은 아젠다를 가장 적은 턴으로 끝낸 구조 공유
• 다국어 형태소 처리 (일본어, 중국어 분절)
• Neo4j·Memgraph 백엔드 어댑터, 공개 데이터셋 정기 배포
• 측정 기반 에너지 계수 (공개 벤치마크 연동)
• 요청 속도 제한과 악용 방지

라이선스

코드는 Apache-2.0, 데이터는 ODbL 1.0을 따릅니다.