Saya Berhenti Menggunakan Grep dan Agen Saya Menjadi 10x Lebih Cepat

원제 · I Stopped Using Grep and My Agent Got 10x Faster

8:062분 읽기Better Stack2026. 04. 25.컴퓨터/소프트웨어 · 창업/스타트업 · AI/미래기술

핵심 요약

Claude Context meningkatkan kecepatan dan detail jawaban agen coding melalui pencarian hibrida, terutama efisien untuk basis kode berukuran rata-rata 20.000 hingga 30.000 baris.

하이라이트

  • Claude Context menggunakan pendekatan pencarian hibrida yang menggabungkan vektor semantik dengan indeks BM25 untuk mengurangi penggunaan konteks hingga 40%.

  • Pengindeksan basis kode berukuran 1,5 juta baris memerlukan waktu 50 menit dan biaya $1,06 untuk embedding OpenAI.

  • Proses pengindeksan menggunakan TreeSitter untuk membuat potongan fungsi dan kelas serta Merkle DAG untuk hanya mengindeks ulang file yang berubah.

  • Pencarian detail pada basis kode menggunakan Claude Context memakan waktu 1 menit 47 detik, dibandingkan 5 menit untuk metode grep standar.

  • Claude Context menyediakan informasi arsitektur yang jauh lebih rinci daripada metode pencarian tradisional, terutama untuk pertanyaan yang luas.

타임라인

  1. Mekanisme Kerja Claude Context

    Claude Context mengubah cara agen mengakses kode dengan mengindeks seluruh basis kode ke dalam database vektor. Penggunaan TreeSitter memastikan kode dipecah menjadi unit fungsional yang mudah dipahami, sementara Merkle DAG menjaga efisiensi dengan hanya memproses file yang mengalami perubahan.

    • Plugin ini mengindeks kode ke dalam basis data vektor untuk menghindari ketergantungan pada grep atau glob.
    • Teknik pencarian hibrida menggabungkan vektor semantik dengan pencocokan kata kunci BM25.
    • Penggunaan TreeSitter memungkinkan pemrosesan potongan kode untuk sembilan bahasa pemrograman populer.
  2. Pengujian pada Basis Kode Besar

    Pengujian skala besar menunjukkan perbedaan signifikan dalam waktu dan biaya dibandingkan basis kode yang lebih kecil. Pengindeksan membutuhkan penggunaan layanan basis data vektor seperti Zilliz Cloud, dengan hasil akhir berupa 223.000 entri yang tersimpan untuk pencarian cepat.

    • Pengindeksan repositori VS Code dengan 1,5 juta baris kode memakan waktu 50 menit.
    • Biaya OpenAI untuk embedding basis kode 1,5 juta baris mencapai $1,06.
    • Basis kode kecil dengan 23.000 baris hanya memerlukan waktu kurang dari satu menit untuk diindeks.
  3. Perbandingan Kinerja Pencarian

    Claude Context unggul dalam memberikan detail arsitektur yang komprehensif dibandingkan metode pencarian grep standar. Meskipun metode standar kadang lebih cepat untuk kueri sederhana, Claude Context memberikan nilai lebih pada pertanyaan yang memerlukan pemahaman konteks mendalam atas seluruh proyek.

    • Claude Context merespons pertanyaan kompleks dalam 1 menit 47 detik, jauh lebih cepat daripada 5 menit untuk metode standar.
    • Hasil pencarian Claude Context lebih detail dengan menyertakan referensi file dan struktur arsitektur.
    • Metode tradisional sering kali memakan waktu hingga lima kali lipat lebih lama untuk menghasilkan informasi yang kurang mendalam.
  4. Kesimpulan dan Rekomendasi

    Alat ini menjadi pilihan efisien untuk pengembang yang sering mengeksplorasi kode sumber terbuka. Meskipun memerlukan waktu pengaturan awal, detail yang dihasilkan dan efisiensi jangka panjang menjadikannya investasi yang layak bagi pengguna yang memerlukan pemahaman cepat atas struktur kode yang kompleks.

    • Claude Context sangat direkomendasikan untuk basis kode berukuran rata-rata 20.000 hingga 30.000 baris.
    • Biaya operasional paket serverless dianggap terjangkau untuk kebutuhan analisis kode open source secara rutin.

설명

Claude Context adalah server MCP yang mengindeks seluruh basis kode Anda ke dalam basis data vektor menggunakan parsing AST, hashing Merkle DAG, dan pencarian semantik hibrida + BM25, yang memberikan pengurangan konteks hingga 40% pada agen pengodean Anda dibandingkan dengan grep dan glob biasa. Dibuat oleh Zilliz di atas Milvus, server ini mendukung lebih dari 9 bahasa pemrograman dan berfungsi dengan agen apa pun yang kompatibel dengan MCP. Dalam video ini, saya mengujinya pada basis kode VSCode dengan 1,5 juta baris untuk melihat apakah overhead pengaturan dan biaya cloud-nya benar-benar sepadan, serta apakah pencarian yang lebih cerdas benar-benar mengalahkan pencarian file tradisional saat agen Anda perlu memahami proyek besar yang belum dikenal. 🔗 Tautan Terkait Claude Context GitHub - [https://github.com/zilliztech/claude-context](https://github.com/zilliztech/claude-context) Claude Context MCP Evals - [https://github.com/zilliztech/claude-context/tree/master/evaluation](https://github.com/zilliztech/claude-context/tree/master/evaluation) Zilliz - [https://zilliz.com/](https://zilliz.com/) Milvus - [https://milvus.io/](https://milvus.io/) ❤️ Selengkapnya tentang kami Observability stack yang jauh lebih baik: [https://betterstack.com/](https://betterstack.com/) Tutorial tertulis: [https://betterstack.com/community/](https://betterstack.com/community/) Contoh proyek: [https://github.com/BetterStackHQ](https://github.com/BetterStackHQ) 📱 Media Sosial Twitter: [https://twitter.com/betterstackhq](https://twitter.com/betterstackhq) Instagram: [https://www.instagram.com/betterstackhq/](https://www.instagram.com/betterstackhq/) TikTok: [https://www.tiktok.com/@betterstack](https://www.tiktok.com/@betterstack) LinkedIn: [https://www.linkedin.com/company/betterstack](https://www.linkedin.com/company/betterstack)

커뮤니티 글

모든 글 보기
이 영상에 대해 글쓰기