AI 智能体实操用例库

真人真做过的 AI 智能体案例:做法、提示词结构、成本、结果状态,全部链回一手出处。

· 评分 · 状态:

作者/出处:
原文:
日期: · 工具:
成本: · 耗时:

title: 让智能体别再整文件地读代码:依赖图喂上下文,单任务成本 $0.78 降到 $0.33(作者自测基准)

category: 编程搭建

score: 73

status: 已实现(作者自测基准,42 次运行;未经独立审计)

source_author: Nicola Alessi(Vexp 联合创始人,HN @nicola_alessi;DEV 个人页署名 Nicola Alessi、Co-Founder @ Lumigo & Vexp 核实,2026-10-22 补核)

source_url: https://news.ycombinator.com/item?id=47222316

source_date: 2026-03-02(HN Firebase 与 Algolia API 双源核实,epoch 1772477523,2026-10-22 补核)

tools: [Vexp MCP Server, Claude Code, tree-sitter]

cost: 免费层可用(原文:free tier, no account needed);完整定价未给出

time_needed: 约 1 小时装上并用自己的任务复测

---

速览卡

一句话

编码智能体贵在“找代码”:先用 tree-sitter 把仓库建成依赖图,只把相关节点喂给它,少读整文件,账单立刻降。

原作者怎么做的

  1. 痛点:Claude Code 需要一个函数时也常常把整个文件读进来,上下文越攒越贵。
  2. 做法:写一个 MCP 服务(Vexp),用 tree-sitter 预先计算依赖图(函数、类、类型、导入、调用关系),存 SQLite,文件保存时增量更新;查询时只返回排好序的相关代码节点。
  3. 基准设计(原文口径):FastAPI 代码库(800 个 Python 文件)、Claude Sonnet 4.6、7 个任务(修 bug、加功能、重构、理解代码),每任务每组跑 3 次,共 42 次执行;两组都用 --strict-mcp-config 隔离,headless claude -p 收集流式 JSON 结果。
  4. 机制变化:基线平均每任务约 15 次 Read + 4 次 Grep + 4 次 Glob;用图谱后平均 2.3 次 pipeline 调用一次拿到排好序的上下文,缓存创建更少、往返更少。
  5. 附带功能:跨会话记忆——观察记录挂到图节点上,代码变了自动标过期。单个 Rust 二进制、纯本地运行,除可选许可证检查外无网络调用。

结果

提示词结构

本条的资产是复测协议(按原文基准方法还原):

```

在自己的仓库上复测,别信厂商数字:

  1. 挑 [7] 个真实任务(修 bug / 加功能 / 重构 / 理解代码各至少 1 个)
  2. A 组:原生方式跑 [3] 次;B 组:接上图谱 MCP 后跑 [3] 次
  3. 两组用同一模型、同一隔离配置,只比三件事:

单任务成本、时长、输出 token

  1. 降幅 < [20%] 或正确率下降 → 不采用,记录原因

```

中国读者怎么迁移

国内团队用 Claude Code、Cursor、通义灵码等都会遇到“读全仓烧 token”。图谱法与工具无关:先给仓库建一份符号/依赖索引(tree-sitter 是开源的),让智能体先查索引再读文件。先在一个 500+ 文件的老仓库上按上面的协议复测半天,数字对得上再推广。

风险与限制

原文链接

https://news.ycombinator.com/item?id=47222316

工具站(原文给出):https://vexp.dev