让 AI 在写代码之前，先到 GitHub 上参考现成的实现，输出 token 的数量可以降低六成多。 如果 AI 仅凭记忆来编写代码，遇到未曾接触过的接口… · @shenxiankk · TwKit

@shenxiankk

让 AI 在写代码之前，先到 GitHub 上参考现成的实现，输出 token 的数量可以降低六成多。 如果 AI 仅凭记忆来编写代码，遇到未曾接触过的接口时，往往要经历反复试错的过程。 XERJ 的方案相当直接：先找出与任务最接近的开源仓库并下载下来，把索引建立好，然后在动手之前先看看别人是如何实现同类功能的。 项目方安排了一组对照测试，涵盖 8 项任务、4 种编程语言，每种组合各执行 16 次。 仅依靠记忆：16 次中通过 11 次，花费 11.18 美元 用 grep 搜索源码：16 次全部通过，输出 26477 个 token 使用 XERJ：16 次全部通过，输出 9982 个 token，成本 1.58 美元 在同样全部通过的前提下，XERJ 的输出量比 grep 减少了大约 62%。 项目方也指出了它的不足之处：对于私有、小众，或者在模型训练截止日期之后才出现的代码，它发挥的作用最为明显。 而对于模型本来就熟悉的热门公开库，用它可能起不到帮助，甚至表现更差。 该工具以 Rust 编写，是一个单程序，在本地运行，兼容 Claude Code、Cursor 等 MCP 客户端，采用 Apache-2.0 协议开源。 🔗 https://github.com/xerj-org/xerj

曝光 205 · 评论 2 · 点赞 4 · 书签 1