AI实战：省token妙招之【code-review-graph】

你知道吗？AI帮你改一行代码时，它可能已经偷偷把全项目几万行代码全读了一遍——而你，正在为这些无效读取买单。要解决这个问题，你就需要一张"代码地图"。

代码地图

前阵子我让AI帮我审查一个中等规模项目的代码改动。改了大概十五个文件，涉及一些函数重构和几个新增的接口。

AI很敬业，把每个改动的上下游文件全读了一遍——调用方、被调用方、相关的测试文件、配置文件，里里外外读了四十多个文件。

审查结果倒是没什么问题。但我看了一眼token消耗，差点没坐稳：快2万token。

我冷静下来想了想，这2万token里，AI真正"需要"读的有多少？我改了15个文件，但AI为了搞清楚"改了这个函数会不会影响其它模块"，把整个项目结构都摸了一遍。

这就好比你家改了一个厨房的水龙头，维修工非要把整栋楼的水管都检查一遍才肯告诉你"没问题"。

问题不在AI笨，在于它没有一张"代码地图"。

那如何给你的项目代码生成一张地图，避免AI的全量扫描呢？这就需要code-review-graph

code-review-graph 是什么?

名字挺直白，干的事也很直白——给你的代码库建一张"结构地图"，让AI在审查或改代码的时候，只读真正相关的部分，不再满世界乱翻。

这个项目来自开发者 Tirth，目前在 GitHub 上已经获得了 18.8k+ star，是最近 AI 编程工具领域最火的开源项目之一。它的核心理念很简单：Stop burning tokens. Start reviewing smarter.（别再烧 token 了，聪明点审查代码。）

官方在6个真实项目上做了基准测试，数据是这样的：

• Flask项目：125,022 token → 1,986 token，降了71倍
• Gin项目：166,868 token → 1,990 token，降了92倍
• FastAPI项目：951,071 token → 2,169 token，降了528倍
• 6个仓库的中位数：降了约82倍

结果：中位数节省82倍Token，最高528倍。注意，是"倍"，不是百分比。

说实话，看到528倍这个数字的时候我以为看错了。

但仔细一想也合理——在fastapi这样的大型开源仓库里，有几万个文件和复杂的调用关系。你改了一个函数，AI原来要把几万个文件全读一遍，现在只需要读几个直接相关的。这个倍数差距就是这么来的。

这不是瞎吹的。项目在GitHub上完全开源（MIT协