Seseorang membuat alat gratis yang membuat Claude Code menghabiskan 10X lebih sedikit token

Agen coding AI memulai setiap sesi dari nol tanpa ingatkan basis kode kamu
Agen mencari file demi file dan menghabiskan ribuan token cuma untuk mencari tahu letaknya yang sebenarnya, lalu sesi berikutnya mengulang semuanya lagi
Kamu membayar semua token itu dan itu tidak benar-benar kerja
Codebase Memory MCP mengambil pendekatan berbeda
Ia membaca basis kode kamu sekali dan membangun peta permanen, setiap fungsi, setiap koneksi, siapa memanggil apa, dan apa yang bergantung pada apa
Setelah itu, agen menarik jawaban dari peta alih-alih membaca file untuk menemukannya
Pertanyaan seperti apa yang memanggil fungsi ini atau apa yang rusak kalau aku mengubah file ini dijawab dari peta, bukan dari pembacaan 20 file
Lima pertanyaan yang sama yang sekarang menghabiskan 412.000 token tanpa memakainya kini hanya cost 3.400 menggunakan peta
Alat ini memetakan seluruh kernel Linux, 28 juta baris kode, dalam 3 menit dan menjawab pertanyaan tentangnya dalam waktu kurang dari 1 milidetik
Masalahnya membesar seiring ukuran repo: proyek kecil hampir tidak terasa, sementara basis kode besar langsung kerasa, dan pada model unggulan itu makin parah
Claude Fable membebankan $10 untuk setiap 1 juta token yang ia baca dan GPT 5.5 setengahnya; di Fable, 5 pertanyaan ini menelan lebih dari $4 atau sekitar 3 sen memakai MCP
Ini alasan besar orang menurunkan ke model yang lebih murah di tengah proyek
Alat memory untuk agen coding memang sudah ada, tapi tiga hal yang membedakan yang ini:
- Kebanyakan alat di kategori ini menjalankan model AI kedua untuk membangun dan mencari memory, kunci lain, tagihan lain; sementara alat ini membangun peta dengan parsing murni dan biayanya nol token untuk dijalankan
- Alat yang memakai ringkasan AI atas kode kamu sudah ketinggalan saat kamu mengedit file; yang ini membangun ulang hanya yang berubah dalam hitungan detik jadi peta selalu sesuai dengan kode kamu
- Setiap MCP punya kelemahan yang sama: agen lupa bahwa ia sudah punya peta dan mulai mencari dengan cara yang sama lagi yang tidak efektif; yang ini menangkap pencarian tersebut dan menyisipkan peta ke hasil, jadi tetap bekerja bahkan saat AI mengabaikannya
Peta itu sendiri berupa satu file yang mudah dikomit oleh setiap tim ke repo, dan semua orang yang meng-clone langsung memulai dengan peta yang sudah terbangun
Semua masuk sebagai satu binary kecil yang tahu 158 bahasa pemrograman dan tidak ada yang lain untuk diinstal
Ia bekerja dengan 11 agen coding termasuk Claude Code, Codex, dan Gemini, semuanya berjalan secara lokal sehingga kode kamu tidak pernah keluar dari mesin kamu
Sang pembuat bahkan mengujinya pada 31 basis kode nyata untuk paper arXiv, dan agen menyelesaikan pekerjaan yang sama dalam setengah langkah
Proyek ini baru berusia lima bulan dengan 30.000 bintang dan 35 pembaruan, dan saat ini berada di posisi teratas tren bulanan GitHub