Cara Berhenti Membayar Lebih untuk Token 💸

Ketika Anda meminta Cursor, Claude Code, atau alat AI lainnya untuk memahami basis kode yang kompleks (terutama tanpa aturan dan skill yang tepat), mereka bertingkah seperti anak kucing buta. Untuk menemukan dari mana suatu metode dipanggil, mereka melakukan grep, membaca puluhan file secara keseluruhan, dan memenuhi jendela konteks dengan sampah. Anda membayar untuk token, sementara agen membuang waktu untuk parsing teks.

Kini hadir alat lokal CodeGraph yang mem-parsing proyek Anda melalui tree-sitter, membangun grafik pengetahuan semantik (AST, hubungan, panggilan) dan menyimpannya ke dalam basis data SQLite lokal.

Agen diberi MCP-server. Alih-alih pencarian teks, ia melakukan panggilan tepat ke grafik:
1️⃣ "Siapa yang memanggil fungsi ini?"
2️⃣ "Apa radius dampak dari perubahan kelas ini?"
3️⃣ "Buat trace dari endpoint ke basis data."

🐍 Untuk pengguna Python, ada keuntungan khusus:
CodeGraph secara bawaan memahami routing FastAPI, Flask, dan Django. Ia mem-parsing urls.py, menemukan path('api/', ViewSet.as_view()) dan membuat tepi grafik nyata dari URL ke kelas penangan.
Alat ini bahkan dapat menyelesaikan dispatch dinamis yang membuat grep patah gigi. Misalnya, panggilan tersembunyi di balik Django ORM (yang _iterable_class yang digunakan QuerySet untuk memanggil kompiler SQL).

Metrik dari benchmark mereka (pada basis Django, VS Code, Tokio):
▫️ Token yang digunakan 57% lebih sedikit (agen mendapatkan jawaban dalam satu panggilan, bukan membaca file).
▫️ Panggilan alat 71% lebih sedikit.
▫️ Biaya turun sepertiga.

Utilitas ini secara otomatis membaca .gitignore Anda, mengabaikan .venv, node_modules, dan file yang lebih berat dari 1 MB. Tidak ada API eksternal, basis data disimpan secara lokal di folder .codegraph.

Jika Anda menggunakan LLM pada proyek dengan lebih dari 20 file — Anda harus mencobanya.

Semua dokumentasi dan manual untuk menghubungkan ke agen tertentu — di repositori.

#toolbox