过去我们开发主要使用 Claude Code 按量付费。

随着团队里 AI 编程使用越来越频繁，token 消耗开始变成一个需要认真关注的问题。为了控制成本，我们在几个月前切换到了阿里云 token plan。

刚开始，我们并没有特别关注每个人的消耗差异，都是团队统一使用，整体看账单，只知道 token 在快速增长。

这个月为了更准确地了解实际使用情况，同时也想验证 codegraph 是否真的能够降低代码探索成本，我们给每个人分配了独立席位，开始观察不同使用习惯下的 token 消耗。

结果出现了一个有意思的现象：

15 天后，5 个席位里已经有 1 个额度耗尽，需要额外充值，另外两个也接近耗尽。

而唯一一个坚持每个新项目执行：

的人，恰好是目前消耗最低的那个。

这不是一次严格控制变量的实验。大家负责的任务不同，项目复杂度也不同，不能简单地说所有差异都来自 codegraph。

但这个结果足够引起我们的注意：

为什么同样使用 Claude Code，有的人 token 很快耗尽，而有的人可以节省一半以上？

进一步分析后，我们发现，真正消耗大量 token 的地方，并不是模型本身，而是 Claude Code 默认的代码探索方式。

这篇文章记录我们的一次实际测试：一个本地代码索引工具，为什么可能让 Claude Code 的 token 消耗降低 50% 以上。

烧 token 的真正原因不是模型，是 Read

很多人以为 token 贵是因为模型升级、上下文变长。这只是表层原因。真正吞掉 token 的是 Claude Code 的默认探索模式：

举个真实的例子。我问 Claude Code：

如果不干预，Claude Code 会这么干：

 跟我的问题有关，但 Claude Code 读进来的是整个组件——包括 import 列表、样式、其他十几个 hook、其他几十个 handler。

问题不在于"读得多"，问题在于

。一个 800 行的文件里，跟问题相关的可能只有 30 行。但 Read 工具没有"只读相关部分"的能力——它只能整文件进。

codegraph 是什么：把代码变成可查询的结构

我不想花篇幅讲它的实现（tree-sitter 解析 AST → SQLite 存节点和边 → MCP server 提供查询接口）。从用户视角看，它就做了一件事：

把"代码"从一堆文本文件，变成一个可以按符号、按调用关系查询的数据库

 工具。同样的那个问题，用 codegraph 走一遍：

的源码片段，不是文件级。一个 800 行的文件，如果跟你的问题有关的只有 

 那 12 行，它就只返回那 12 行。

不需要预装 Node.js，一行命令拿下对应平台的二进制：

# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/colbymchenry/codegraph/main/install.sh | sh

# Windows (PowerShell)
irm https://raw.githubusercontent.com/colbymchenry/codegraph/main/install.ps1 | iex

如果你已经装了 Node，也可以走 npm（任意版本通用）：

新开一个终端，跑安装器把 codegraph 接到你常用的 AI 编程工具上：

这一步会自动检测并配置 Claude Code、Cursor、Codex CLI、opencode、Hermes Agent、Gemini CLI、Antigravity IDE、Kiro 等主流 agent——把 CodeGraph MCP server 写进各自的配置。

这一步才真正把当前项目解析成符号图谱。每个项目都要单独 init 一次，之后文件改动会通过 watcher 增量同步，不用重复 init。

我在项目（200 个 TypeScript 文件）上跑了同一个问题，分两次会话：

需要诚实说明：codegraph 路径其实走了一次弯路——

 用自然语言提问时，它把 "resolve" 匹配到了不相关的 agent binary 解析函数，agent 不得不补一次 

即便如此，token 消耗仍然只有 Grep/Read 路径的三分之一。

这背后的账很好算：一次错的 codegraph 查询代价是几千 token（返回几个不相关符号的签名），一次错的 Grep 代价是几百 token（匹配行），但为了补救这次 Grep 而触发的整文件 Read，代价是几万 token。

整文件 Read 才是真正的 token 黑洞。

回到开头的账单。按 1398 元/席、25 万 credits/席算，5 个席位总共投入近 7000 元、125 万 credits。

如果全团队都按 codegraph 路径走，按 50% 节省算，每月能省下相当于 2.5 个席位的额度——也就是近 3500 元、62.5 万 credits。

这不是"用了新工具提高了效率"那种难以量化的收益，是直接从账单里能看到的数字。

讲真，codegraph 不是装上就自动省 token 的。Claude Code 默认还是优先用 Grep/Read，需要在项目的 

 里写死规则强制使用。我自己项目里的 

## CodeGraph

| 问题 | 工具 |
|---|---|
| "X 在哪定义？" | codegraph_search |
| "什么调用 Y？" | codegraph_callers |
| "X 怎么到达 Y？" | codegraph_trace |
| "这个任务需要哪些上下文？" | codegraph_context |

不写死，Claude Code 会按默认 Grep/Read 模式跑，token 照样烧。

实事求是地讲几个不适用场景：

我的经验是，这些场景加起来大概占 20% 的探索需求。剩下 80% 的"代码理解类"问题，codegraph 都能省。

AI 编程工具的 token 经济学，目前被严重低估了。大家关注模型能力、上下文窗口、agent 框架，但很少有人认真谈

AI 编程进入第二阶段以后，真正昂贵的已经不是模型，而是上下文。

当 Agent 一次次 Read 整个仓库时，我们买单的其实不是 Claude，而是低效的代码探索方式。

codegraph 的价值，不是让模型更聪明，而是让模型少走弯路。

今天节省的是 token，未来节省的，会是每一个 Agent 在大型代码库里的搜索成本。

欢迎在 GitHub 关注我们，也欢迎在 issue 区交流 codegraph 的使用心得。

用 codegraph 把 token 消耗砍掉 50%

通过引入本地代码索引工具 CodeGraph，将代码文本升级为结构化 AST 查询，实现符号级精准上下文调取，成功将 Input Token 暴砍 66%，单单一个 5 人团队每月便可省下数千元。

开发工具

人工智能

后端

TypeScript

数据库

AI编程

Windows

SQLite

GitHub

Agent

JSON

2026上云采购 | AI焕新·智启新局

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

用 codegraph 把 token 消耗砍掉 50%

用 codegraph 把 token 消耗砍掉 50%

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐