كارنا: تقليل استهلاك رموز وكيل الترميز الكبير LLM بنسبة 58% عبر رسوم بيانية دائمة لمعرفة الكود

تقوم وكلاء الترميز المستندة إلى LLM بقراءة ملفات المصدر مرارًا لبناء السياق، مع تراكم نتائج كل استدعاء أداة في تاريخ المحادثة وإعادة إرسالها في كل دور لاحق. نقدم كارنا، وهو رسم بياني معرفي دائم للكود يقدم سياق قاعدة الشفرة المهيكلة إلى وكلاء الذكاء الاصطناعي عبر بروتوكول سياق النموذج (MCP). في تجربة A/B محكمة مع Claude Sonnet 4 على قاعدة تضم 1125 ملفًا، يحقق كارنا توفيرًا بنسبة 57.9% في رموز الإدخال مقارنة بالقراءة المباشرة للملفات (p < 0.007، وd كوهين = 2.96). بالإضافة إلى ذلك، حددنا ضريبة تاريخ المحادثة — النمو التربيعي O(T²) لترميز الإدخال التراكمي مع عدد الأدوار — كعامل تكلفة ينطبق على جميع هياكل LLM التي تستخدم الأدوات. الشفرة: https://github.com/shaileshai/karna-ai