Я перестал использовать Grep, и мой агент стал в 10 раз быстрее
원제 · I Stopped Using Grep and My Agent Got 10x Faster
핵심 요약
Claude Context оптимизирует работу ИИ-агентов с кодовой базой за счет гибридного индексирования, что значительно повышает скорость и глубину анализа кода среднего размера.
하이라이트
Claude Context использует гибридный поиск (семантический вектор + BM25) и индексацию через TreeSitter для сокращения используемого контекста на 40%.
Индексация кодовой базы размером 1,5 миллиона строк заняла около 50 минут и привела к созданию более 223 000 записей в векторной базе.
При работе с проектами среднего размера (20–30 тысяч строк) индексация занимает менее одной минуты.
Claude Context позволяет получать более детализированные ответы об архитектуре кода по сравнению с базовым поиском через grep и glob.
Использование Claude Context для детальных запросов сокращает время ответа в 2–5 раз по сравнению со стандартными методами поиска в крупных кодовых базах.
타임라인
Принципы работы Claude Context
Инструмент решает проблему неточного поиска, заменяя стандартный grep и glob на индексированный подход. Это позволяет агенту обращаться к конкретным частям кода, потребляя на 40% меньше контекста. Для работы требуется инфраструктура Zilliz Cloud и API-ключ OpenAI для создания эмбеддингов.
- Плагин индексирует кодовую базу в векторную базу данных для точного извлечения фрагментов кода.
- Система использует TreeSitter для разбора функций и классов для 9 языков программирования.
- Индексация ограничивается только измененными файлами благодаря использованию Merkle DAG и JSON-снимков.
- Гибридный поиск объединяет векторный анализ семантики и индексный поиск BM25 по ключевым словам.
Практическое тестирование на кодовой базе
Сравнение проводилось между экземпляром Open Code с плагином и без него. В сложных запросах, требующих понимания многоуровневой архитектуры Electron, Claude Context предоставил структурированный ответ с ссылками на файлы за 1 минуту 47 секунд, в то время как стандартный поиск потратил 5 минут, предоставив меньше деталей.
- Индексация VS Code (1,5 млн строк) потребовала 50 минут и использования серверной версии Zilliz.
- Затраты на OpenAI для эмбеддингов выросли с 1 цента до 1,06 доллара при обработке большого репозитория.
- Claude Context продемонстрировал значительное превосходство в детализации ответов при поиске архитектурных решений.
- Стандартные методы поиска через grep быстрее справляются с простыми запросами, но проигрывают в качестве анализа.
Результаты и рекомендации по использованию
Анализ показал, что, несмотря на время настройки и индексации, преимущество в глубине ответов делает инструмент ценным для исследователей кода. Для проектов среднего размера индексация проходит почти мгновенно, обеспечивая высокую эффективность работы без лишних задержек.
- Инструмент лучше всего подходит для кодовых баз среднего размера (20–30 тысяч строк).
- Для крупных проектов время первичной индексации является существенным ограничением.
- Затраты на серверную инфраструктуру и API-ключи считаются приемлемыми для регулярной работы с открытым кодом.
설명
Claude Context is an MCP server that indexes your entire codebase into a vector database using AST parsing, Merkle DAG hashing, and hybrid semantic + BM25 search giving your coding agent up to 40% context reduction compared to raw grep and glob. Built by Zilliz on top of Milvus, it supports more than 9 programming languages and works with any MCP-compatible agent. In this video I test it against VSCode's 1.5M-line codebase to see if the setup overhead and cloud costs are actually worth it and whether smarter search truly beats traditional file-hunting when your agent needs to understand large, unfamiliar projects. 🔗 Relevant Links Claude Context GitHub - https://github.com/zilliztech/claude-context Claude Context MCP Evals - https://github.com/zilliztech/claude-context/tree/master/evaluation Zilliz - https://zilliz.com/ Milvus - https://milvus.io/ ❤️ More about us Radically better observability stack: https://betterstack.com/ Written tutorials: https://betterstack.com/community/ Example projects: https://github.com/BetterStackHQ 📱 Socials Twitter: https://twitter.com/betterstackhq Instagram: https://www.instagram.com/betterstackhq/ TikTok: https://www.tiktok.com/@betterstack LinkedIn: https://www.linkedin.com/company/betterstack