出处是 NanoNets 开源在 GitHub 的仓库，MIT 协议，叫 Graft。给 Claude Code、Cursor、Codex、Gemini 这些 coding agent 提供代码库专属上下文，说能省调用、省 token、省 latency。说实话，这半年做 codebase context 的新工具每周都能见到一个，我点开的时候没抱什么期待。
真正让我决定认真读完的是它这句——「没有 embedding、没有相似搜索，就是一堆能 grep 的 Markdown」。
它的做法是把代码库变成一个由 Markdown 节点组成的 graph。一个节点讲一个 system、一个 API 或者一个 concept。节点之间的链接是带类型的：depends_on、uses、implements、produces。整个 graph 存在仓库里一个 graft/ 文件夹，靠 git commit 同步，没有 server，没有数据库。
给 agent 接上下文这件事，大家好像默认要搞一套向量库加检索管线。Graft 直接把那一步拿掉了，让 agent 像翻仓库普通文件一样去 open、grep、traverse。这个设计值得写。
向量检索解决的是“找相似片段”，但 agent 在代码库里更常要的是“谁的接口变了会牵连哪里”。显式类型链接比一堆相似度分数更接近这个问题。depends_on、uses 这些关系在代码类图里早就有，它不发明什么新东西，只是把这套老东西交还给 LLM。落到一个能 init 的 CLI 上，就值得点开看。
顺手跑了一下。小项目里装好：
npm install -g @nanonets/graft
graft init
graft build
init 自动把 Claude Code 的配置接上，文档里说 Cursor、Codex、Gemini、Copilot 也都能接。build 是两遍。第一遍确定性，用 tree-sitter 扫，不用模型不用 API key，二十来种语言。第二遍才是可选的 LLM pass，用自己的 key，可以指到 OpenAI、Anthropic、OpenRouter、Fireworks、Groq、LiteLLM 代理，或者本地模型。我只跑了第一遍。
生成的 graft/ 文件夹里就是 Markdown 节点。每个节点里一段 plain-English 摘要、一段它自己叫「code crux」的关键代码、带 content hash 的源文件引用、typed links，外加一段 notes。notes 说重新生成 graph 时会被保留。保留这点我只信一半，因为我才 build 了一次，还没重复生成验证过。
原文报了一组跑分：162 轮受控基准，同一个 agent、同一套工具，和冷启动的 Claude Code 比，tool call 少 46%，token 少 42%，latency 降 60%，成本降 32%，correctness 不变，93%。SWE-bench Verified 上 Graft 33/50，66%，普通 Claude Code 27/50，54%。这组数字我只转述，没自己复现。
有个地方我确实没看懂：token 降四成多，tool call 也降四成多，成本怎么只降三成出头。差去哪儿了，原文那段没解释。可能 latency 省了，但为了把正确率稳住，模型多跑了几次更贵的调用，也可能单纯就是按价目表算出来的。先挂着。
另一组例子反而更让我想看。原文拿 PocketBase 试过，说它能复现真实合并过的 Pull Request，碰到的文件跟 maintainer 动到的相同，同时 cost、latency 更低。真实 PR 当参照，比合成任务有说服力。这种结果我不盲信，但它至少没拿一个随手出来的指标糊你。
Claude Code 那条集成它做得更深：加了 live statusline、后台刷新 graph、还有 post-edit blast radius 通知。blast radius 这个我想单独跑，还没跑。它改完一个函数，把会波及的节点告诉你，这种提醒是向量相似搜索给不出来的，因为它靠的是显式链接。这个功能如果真能稳定给，比省几个 token 值钱。
不点链接也能带走的一句：给 coding agent 接代码库上下文，不必上向量库；一个由 Markdown 节点和显式类型链接组成的、能 grep 能 commit 的 graph，对 agent 可能比查询接口更顺手。我这条只跑到确定性 build 为止，LLM pass 和 blast radius 都还没过，等搞明白再补。