jahala/tilth

它解决的问题

它降低了 AI 智能体阅读代码的高成本和低效率。tilth 无需通过多次工具调用（如文件名匹配、读取整个文件和 grep 搜索）来查找特定函数或理解调用链，而是通过单次调用提供结构感知能力，从而显著降低 token 消耗并提高准确性。

工作原理

Tilth 结合了用于快速搜索的 ripgrep、用于跨 16 种语言进行 AST 解析的 tree-sitter，以及用于提升速度的内存映射文件读取技术。它以结构化而非纯文本的方式分析代码，从而实现以下功能：

• 大型文件大纲：自动提供大型文件的结构摘要，而非完整内容，以节省 token。
• 查找定义：优先返回符号定义的位置，而不是其被简单提及的位置。
• 追踪调用链：在搜索结果中包含“被调用者页脚 (callee footer)”，使智能体无需进行新的搜索即可跟踪函数调用。
• 结构化差异对比：在函数级别而非行级别检测代码变更。
• MCP 集成：作为模型上下文协议 (MCP) 服务器运行，允许 AI 智能体（如 Claude Code 或 Cursor）直接使用这些结构化工具。

适用人群

• 需要高效浏览大型代码库的 AI 智能体和基于 LLM 的编程助手。
• 希望使用快速、结构化 CLI 工具来探索代码定义、依赖项和调用位置的开发者。

核心亮点

• 降低成本：基准测试表明，在各种模型中，每个正确答案的成本降低了 38-44%。
• 结构化搜索：使用 tree-sitter 查找实际的定义和调用位置，而不仅仅是字符串匹配。
• 智能大纲：根据 token 数量（约 6000 个 token）在完整内容和结构大纲之间进行切换。
• 广泛的语言支持：支持 16 种语言，包括 Rust、TypeScript、Python、Go 和 Java。
• 哈希锚定编辑：一种可选的编辑模式，使用哈希值确保将编辑应用到正确的代码版本。