Tokenlara fazla para ödemeyi nasıl bırakırsınız 💸

Cursor, Claude Code veya başka bir AI aracından karmaşık bir kod tabanını (özellikle düzgün kurallar ve beceriler olmadan) anlamasını istediğinizde, kör kedi yavruları gibi davranırlar. Bir metodun nereden çağrıldığını bulmak için grep yapar, düzinelerce dosyayı baştan sona okur ve bağlam penceresini çöple doldururlar. Tokenlar için ödeme yaparsınız, ajan ise metni ayrıştırarak zaman harcar.

İşte burada yerel bir araç olan CodeGraph devreye giriyor. Projenizi tree-sitter ile ayrıştırır, semantik bir bilgi grafiği (AST, bağlantılar, çağrılar) oluşturur ve tümünü yerel bir SQLite veritabanına kaydeder.

Ajana bir MCP sunucusu beslenir. Artık metin araması yerine grafiğe hedefli çağrılar yapar:
1️⃣ "Bu işlevi kim çağırıyor?"
2️⃣ "Bu sınıfı değiştirmenin etki yarıçapı nedir?"
3️⃣ "Uç noktadan veritabanına kadar bir iz oluştur."

🐍 Pythoncular için ayrı bir güzellik:
CodeGraph kutudan çıktığı gibi FastAPI, Flask ve Django yönlendirmesini anlar. urls.py'yi ayrıştırır, path('api/', ViewSet.as_view())'i bulur ve URL'den işleyici sınıfa gerçek bir grafik kenarı oluşturur.
Araç, grep'in diş kırdığı dinamik dağıtımı bile çözebilir. Örneğin, Django ORM'in perde arkasındaki gizli çağrılar (QuerySet'in SQL derleyicisini tetiklediği o _iterable_class).

Kıyaslamalarından metrikler (Django, VS Code, Tokio tabanlı):
▫️ %57 daha az token harcanır (ajan dosyaları okumak yerine tek bir çağrıyla yanıt alır).
▫️ Araç çağrıları %71 daha azdır.
▫️ Maliyetler üçte bir oranında düşer.

Bu yardımcı program, .gitignore'ınızı otomatik okur, .venv, node_modules ve 1 MB'tan ağır dosyaları yok sayar. Harici API yok, veritabanı .codegraph klasöründe yerel olarak durur.

Projenize 20'den fazla dosyayla LLM sokuyorsanız — denemelisiniz.

Tüm dokümantasyon ve belirli ajanlara bağlama kılavuzları — depoda.

#araçkutusu