Graft bygger en kodegraf av repoet ditt og kutter 42 prosent av tokenbruken

Hver gang du gir Claude Code eller Cursor en ny oppgave, starter agenten blind. Den greper etter et begrep, åpner en fil, følger en import og backer ut igjen, og gjenoppbygger et bilde av kodebasen den kartla for en time siden og kastet. NanoNets kaller den rundturen ren overhead i dokumentasjonen for Graft, verktøyet selskapet nå har lagt ut under MIT-lisens.

Graft gjør kartleggingen én gang og skriver resultatet inn i repoet som en mappe med lenkede markdown-filer, én node per system, API eller konsept. Strukturen bygges deterministisk med tree-sitter og kaller aldri en modell. Selve forklaringene skrives av modellen du velger under din egen nøkkel, enten det er OpenAI, Anthropic, OpenRouter, Groq, en LiteLLM-proxy eller en lokal modell. Grafen havner i mappen graft/ og legges automatisk i .gitignore, mens oppkoblingen i .claude/ er det du sjekker inn til teamet.

Tallene kommer fra NanoNets egen målestokk på 162 kjøringer med samme agent og samme filverktøy, der bare konteksten skiller armene. Mot en kald Claude Code-sesjon falt tokenbruken fra 8 070 til 4 650 per oppgave, verktøykallene fra 4,2 til 2,3 og ventetiden fra 39,8 til 15,8 sekunder, med lik korrekthet på 93 prosent. På SWE-bench Verified, gradert av det offisielle rammeverket, løste Graft-varianten 66 prosent av oppgavene mot 54 prosent for kald Claude Code.

Forbeholdet er at leverandøren måler sitt eget produkt, på to repoer i effektivitetstesten og 50 instanser på SWE-bench. Nodene er dessuten modellskrevne, så en feil forklaring følger med inn i hver prompt etterpå.

Hva bør du gjøre?

1. Kjør graft init med flagget --dry-run i et repo du kjenner godt, og se hvilke filer verktøyet vil røre før du lar det skrive noe.
2. Les gjennom nodene grafen genererer, og rett dem som en del av kodegjennomgangen. De ligger i git, så feil vises som diff.