Beweis
Leistung, die du selbst überprüfen kannst.
Diese Zahlen stammen aus einem echten lokalen Lauf über fünf Produktiv-Repos — mit einem einzigen Befehl reproduzierbar, keine handverlesenen Werte.
Ehrlich per Voreinstellung
Jede Zahl führt auf einen Befehl zurück.
Jeder Benchmark wird vom Binary in einem lokalen Lauf erzeugt — Repo-Größe, Symbole, Kanten und Neu-Indexierungs-Tempo, ohne dass etwas von Hand geschönt wird.
Measured proofcold -> warm -> context
| Projekt | Dateien | Eingesparte Tokens | Abfrage |
|---|---|---|---|
| matchr | 253 | 87% | 41 ms |
| crates | 70 | 83% | 14 ms |
| poisson | 1,380 | 81% | 73 ms |
| monsite | 192 | 78% | 2 ms |
| MyRoadTrip | 1,110 | 65% | 81 ms |
| salecast | 1,951 | 54% | 10 ms |
| Gesamt | 4,956 | 81% | — |
Token-Reduktion = fokussierte Kontextkapsel von AIndex vs. vollständiges Lesen der Dateien, die die Treffer enthalten, gemessen über die zentralsten Symbole jedes Repos bei einem Budget von 32k. Die Zählungen sind geschätzt, daher ist das Verhältnis tokenizer-unabhängig.
Ehrlich per Voreinstellung
Jede Zahl führt auf einen Befehl zurück.
Jeder Benchmark wird vom Binary in einem lokalen Lauf erzeugt — Repo-Größe, Symbole, Kanten und Neu-Indexierungs-Tempo, ohne dass etwas von Hand geschönt wird.
ai-indexer-mcp bench --repo ~/Documents/matchr --jsonLetzter Lauf
Das exakte JSON, direkt aus dem Tool.
Loading benchmark data…Ehrliche Grenzen
Was diese Zahlen aussagen und was nicht.
Das sind lokale Indexierungs- und Neu-Indexierungszeiten auf einem einzelnen Rechner, kein gehosteter Benchmark. Deine Werte hängen von Repo-Größe, Sprachmix und Festplattentempo ab — führe den Befehl auf deinem eigenen Code aus, um echte Zahlen zu sehen.