Сколько вы платите за воздух?
Каждый день разработчики шлют тонны токенов в API Claude, GPT и Cursor. Проблема в том, что 80% этих запросов — пережёвывание одного и того же контекста: структуры проекта, типов, старых файлов. Вы платите за то, что модель могла бы уже знать, если бы у неё была локальная память. CodeGraph — это open-source инструмент, который разрывает этот порочный круг. Он кэширует граф зависимостей вашего проекта прямо на машине и отдаёт LLM только то, что реально нужно для ответа. Результат — до 94% меньше вызовов к API.
Цифра 94% — не маркетинг. Авторы репозитория приводят замеры на React-проектах со 150+ компонентами: средний размер промпта сократился с 12 000 до 700 токенов. А количество повторных запросов из-за недостатка контекста упало на 89%.
Как это работает под капотом?
CodeGraph не проксирует трафик. Он встраивается в ваш CI/CD или IDE (поддерживаются VS Code, JetBrains, Neovim) и строит статический граф: кто от кого зависит, какие типы экспортируются, где лежат тесты. Когда вы в Cursor выделяете функцию и жмёте "Explain", CodeGraph перехватывает запрос, подтягивает только связанные узлы графа (импорты, типы, соседние функции) и упаковывает их в лаконичный промпт. Модель получает ровно то, что нужно, без всего проекта.
В отличие от Claude-spend, который лишь мониторит расходы, CodeGraph активно их режет. А NadirClaw маршрутизирует запросы между моделями, но не уменьшает их размер. CodeGraph же работает на уровне семантики кода.
Что внутри репозитория?
Проект написан на Rust (ядро) и TypeScript (плагины). Установка через npm или cargo:
npm install -g @codegraph/cliДалее нужно инициализировать граф в корне проекта:
codegraph init --lang typescript --entry src/index.tsCodeGraph просканирует файлы, построит DAG и сохранит его в .codegraph/cache.bin. Теперь при каждом запросе к LLM (через CLI-команду codegraph ask или встроенный плагин) он будет возвращать компактный контекст.
Пример в action: допустим, вы хотите объяснить функцию handleLogin из модуля auth. Вместо того чтобы кидать в ChatGPT 2000 строк кода, CodeGraph найдёт саму функцию её импорты (useAuth, api client) и ничего лишнего. Промпт получается размером с почтовую марку.
Важный нюанс: для максимальной экономии CodeGraph лучше всего сочетать с локальными моделями. Тогда вы платите только за электричество. Наше большое сравнение API vs локальных моделей показывает, что железо окупается за 4–6 месяцев при активном использовании.
Сравнение с альтернативами (кому Switch?)
| Инструмент | Подход | Экономия | Где живёт |
|---|---|---|---|
| CodeGraph | Локальный граф зависимостей | до 94% токенов | IDE, CLI |
| NadirClaw | Маршрутизация между моделями | до 60% стоимости | Прокси-сервер |
| Claude-spend | Мониторинг и лимиты | косвенная | Dashboard |
| Cursor (встроенный) | Отправка всего файла | 0% | IDE |
Да, Cursor удобен, но его счёт за токены может шокировать. Мы уже писали, что Cursor — дорого. CodeGraph даёт альтернативу: вы продолжаете пользоваться Cursor (или любым другим инструментом), но через плагин CodeGraph все промпты сжимаются прежде, чем уйти в облако.
Реальный кейс: проект на 200 модулей
Возьмём типичный микросервис на FastAPI. Разработчик тратит ~$200 в месяц на Claude API через Cursor. После установки CodeGraph:
- Средний размер промпта уменьшился с 15 000 до 800 токенов.
- Количество запросов не изменилось, но каждый стал легче.
- Расходы упали до $12 в месяц (экономия 94%).
И это без потери качества — модель по-прежнему видит достаточно контекста для точных ответов. Даже Owlex MCP-сервер, который гоняет запросы между разными LLM, можно обвесить CodeGraph и получить тройную экономию.
Кому CodeGraph даст профит?
- Одиночкам-фрилансерам. Вы платите из своего кармана — каждый сэкономленный доллар остаётся у вас.
- Командам с монолитами. Чем больше кодовая база, тем жирнее промпты. CodeGraph режет их безболезненно.
- Тем, кто экспериментирует с локальными LLM. Если вы уже используете Claude Code локально через vLLM, CodeGraph дополнительно снизит нагрузку на GPU.
Недостатки, о которых молчат
CodeGraph не идеален. Он требует первоначальной настройки графа (занимает секунды, но если проект динамически подгружает модули — может пропустить зависимости). Также он пока плохо работает с Python из-за неоднозначности импортов (но версия 0.4 обещает это исправить). И последнее: для языков без статической типизации (JavaScript) граф получается менее точным. Но 94% экономии перевешивают эти огрехи.
Альтернативный подход — использовать LiteLLM с Llama-4 Scout, который умеет работать с большим контекстом, но там выигрыш в цене за токен, а не в объёме. CodeGraph же бьёт прямо в корень — меньше токенов значит меньше денег.
Как начать прямо сейчас
Репозиторий лежит на GitHub (ссылка в профиле автора, ищите CodeGraph). Установка через npm или cargo, интеграция с VS Code одним кликом. Через 5 минут после установки вы уже будете видеть, сколько токенов сэкономили.
И да, если вы всё ещё сомневаетесь, стоит ли заморачиваться — вспомните, что цена на Claude API в 2026 году не снизилась, а число токенов в проектах только растёт. Инструменты точечного доступа к коду — это уже не роскошь, а необходимость.
CodeGraph не панацея, но он наглядно показывает: большую часть работы должны делать не нейросети, а грамотная инженерия. И иногда лучший промпт — это отсутствие лишнего промпта.
