排名靠前，可能是营销得好，实际效果并没有那么好。
今天测试了一下火热的codegraph（ GitHub - colbymchenry/codegraph: Pre-indexed code knowledge graph for Claude Code, Codex, Cursor, OpenCode, and Hermes Agent — fewer tokens, fewer tool calls, 100% local · GitHub ），按opus的意见找了个比较大型的开源代码仓进行分析（使用codegraph和不使用的两种情况），结论是opus本身用grep等工具完成的就已经很好了，没必要装这个工具，而且codegraph号称的降低检索速度并没有明显优势。opus的意见是------除非是"在用较弱的模型、或者要长期啃一个几千上万文件、命名混乱、你两眼一抹黑的陌生大型代码库"，codegraph才可能发光。而且这个工具也不适用于有很多宏的c/c++代码库。
另外也让opus分析了另一个节省context的工具context-mode（ GitHub - mksglu/context-mode: Context window optimization for AI coding agents. Sandboxes tool output, 98% reduction. 15 platforms · GitHub ），这个工具大致是让AI学会用脚本分析原始数据，避免大量原始数据污染context。通过对比发现opus本身没那么傻，自己本身就会用脚本进行处理。opus同时对这个代码仓里加一堆大厂logo的方式表示鄙视------“README 顶部那排 Microsoft / Google / Meta / NVIDIA 的 logo,写的是 “Used across teams at”,但全是 # 空链接、灰色占位 badge,没有任何来源。这是典型的社会认同营销手法,基本可以判定是无依据的装点。一个项目愿意这么做,会让我对它其他自报的数字也保持一分怀疑。”
建议针对自己实际使用的代码仓进行工具的对比测试，找到实际有效的证据，而不是装了就觉得真有用~~
1 个帖子 - 1 位参与者