TS編譯器知識圖將AI Token消耗降低約90%

近日，一款名為@ttsc/graph的開源工具在Hacker News上引發關注。它是一個MCP（Model Context Protocol）伺服器，透過為AI代理提供TypeScript程式碼的編譯器級知識圖，大幅降低Token消耗。

傳統上，程式設計代理在回答程式碼問題時，需要搜尋倉庫並逐個讀取檔案內容來獲取上下文，這導致大量Token消耗。@ttsc/graph改變了這一模式：它利用TypeScript編譯器自身的型別檢查過程，將整個程式碼庫索引為一個宣告及其關係的精確圖。每個節點和邊都由編譯器解析，確保準確性。當AI代理提出問題時，只需透過一次工具呼叫就能從圖中獲取答案，包括名稱、簽名、關係和源位置，而無需讀取檔案體。

由於工具呼叫和返回結果均不隨倉庫大小增長，Token成本在所有情況下都能降低約90%。基準測試顯示，在真實倉庫上，使用@ttsc/graph的代理在回答入門問題時僅需1-3次圖呼叫，不開啟任何檔案，Token消耗僅為基線方法的4%。相比之下，同類工具如codegraph和serena的成本會隨倉庫大小波動。

另一個顯著優勢是索引構建速度。@ttsc/graph將圖作為編譯器型別檢查的副產品，因此在大型倉庫中也能秒級完成構建。例如，在包含300萬行程式碼的VS Code倉庫上，@ttsc/graph僅需29秒，而codegraph需要12分鐘，serena需要4.5分鐘。

該工具的設計注重精確性。工具描述明確指示代理何時使用圖、何時停止，並強調返回的圖事實是編譯器的絕對真理，無需再用檔案驗證。透過強制代理在呼叫前進行推理（包括問題、草稿和審查欄位），確保代理選擇最合適的請求型別，避免誤用。

對於TypeScript開發者而言，@ttsc/graph提供了一種高效、低成本的程式碼導航方式，尤其適合大型程式碼庫中的架構理解和程式碼審查。該工具需要ttsc和TypeScript 7編譯器支援，安裝簡單，可與MCP客戶端配合使用。更多基準資料和詳細方法可在ttsc.dev的基準頁面檢視。