开源工具Graft给编码智能体一张代码库地图：宣称最高4倍更便宜、3倍更快

一款名为Graft的开源工具近日受到开发者社区关注，它的定位很直接：给你的编码智能体（coding agent）一张代码库地图。据介绍，Graft会为大型代码库构建结构化的上下文图谱，让Claude Code、Cursor、Codex、Gemini等编程智能体在动手改代码之前，先"看懂"整个仓库的结构与依赖关系。

Graft来自企业AI公司NanoNets，托管在GitHub的NanoNets/Graft仓库中，采用TypeScript开发，以MIT许可证开源。项目的安装方式非常简单：通过npm全局安装@nanonets/graft后，运行graft init即可为代码库建立图谱，并将其接入Claude Code等智能体的工作流。

官方给出的工作方式是：graft init会从代码中构建graft/图谱目录，并把匹配的节点拉入每次提示词中，让智能体在每一步都拥有相关的代码结构上下文；图谱还会增量重建，避免大仓库每次全量扫描带来的开销。项目还提供了graft grep、graft map、graft viz等命令，用于搜索、定向和可视化代码库结构。

效率是Graft宣传的核心卖点。项目公布的基准测试显示，在162次运行的受控对比中（同样的智能体、同样的文件工具，仅上下文不同），Graft带来了工具调用次数减少46%、Token消耗节省42%、时间节省60%的效果；在SWE-bench Verified评测中，接入Graft的Claude Code正确率从54%提升到66%。官方据此打出"最高4倍更便宜、3倍更快"的口号。

为什么值得关注：编码智能体目前最大的瓶颈之一正是"上下文"——仓库越大，智能体越容易在无关文件上浪费Token、甚至改错位置。Graft把"代码库地图"作为一层基础设施提供给所有主流编码智能体，相当于用一次构建的图谱，同时解决成本、速度和正确性问题，而且以开源形式发布，开发者可以自行审计和部署。

另一个信号是竞争格局：随着Claude Code、Cursor、Codex、Gemini等编码智能体快速普及，围绕"如何让智能体更懂你的仓库"的中间层工具正在成为新的热门赛道，MCP（模型上下文协议）服务器、代码图谱、语义检索等方案都在争夺这一层。Graft选择同时兼容多款智能体，而不是绑定单一产品。

接下来值得关注的是：Graft的基准数据能否在更多真实仓库中复现，它在超大型monorepo中的表现如何，以及这类"上下文层"工具是否会成为编码智能体的标配——就像IDE的索引功能一样，让"先建图、再编码"成为新的开发习惯。