上手Claude Code有段日子了，其性能确实没得说，但有个情况始终让我不太舒服，主要在于它读取文件的方式过于简单直接。

比方说，想让它协助修改某个函数，它的起手式就是读取整个文件，扫描到依赖项在别的文件里，就接着加载那个文件，加载后又察觉需要检视某个类的定义，于是第三个文件也被完整扫了一遍。

只是一个不复杂的需求，三四个文件就被它翻了个底朝天，token就像瀑布一样往下掉，再考虑到，20美元的官方订阅额度，通常跑不了几次迭代就告急了。

坦白讲，这锅不能全让 Claude Code 来背，这是当前几乎所有AI编程助手的普遍短板。

这类Agent缺少浏览目录结构的意识，其内置的默认行为逻辑是：上下文不明确？那就读文件。信息还不够？好，再读一个。

近来我找到一个叫cx的工具，专为解决此问题而生，试用后感觉效果拔群，特此分享出来。

Agent为何如此热衷于读取文件？

我们得先从根源上理解这个问题。

一个人类开发者接手新项目时，会先浏览目录结构，再通过搜索函数名跳转至定义处，扫几眼关键代码即可。

整个流程相当精准，绝不会从头到尾完整地读取一个文件。

然而AI Agent目前还做不到这点。

它既没有代码编辑器，也不具备LSP能力，唯一的武器就是Read File指令。

最终结果是，Cx的开发者在分析了 73 个 Claude Code会话数据后，得出了以下发现：

有66%的读取操作呈现链式反应，读A是为了定位B，读B又是为了找到C，并且37%属于重复读取，同一个文件在单次会话中被反复加载多次

单次文件读取平均耗费约 1200 token，而一个会话平均要读 21 次！

这意味着每个会话光是读取代码就要烧掉超过两万的token，这还没开始真正干活呢。这种写法就很灵性。

cx究竟是何方神圣？

cx是一个基于Rust开发的命令行小工具，它利用tree-sitter进行语义解析，并为Agent提供了一套“成本分级”的操作指令：

cx overview src/fees.rs      约 200 token   这个文件里有什么?
cx definition --name calc    约 200 token   给我看这个函数
cx symbols --kind fn         约 70 token    整个项目有哪些函数?
cx references --name calc    极少           这个符号在哪里被用到?

与直接读取整个文件相比，一个中等规模的文件可能消耗1200 token，但使用 cx overview 仅需200，而用 cx definition 直接抓取函数体，也只花费200左右。

Agent装备了这套工具后，会先用overview摸清项目脉络，然后根据需要通过definition来精准提取函数，绝大多数场景下都不再需要完整地读取文件。

根据实际测试数据，Read调用减少了58%，token总消耗降低了40%至55%。

为何不直接采用LSP？

这个问题问得相当在点上。既然Language Server也能实现诸如跳转定义、查找引用等功能，为何还要多此一举开发一个cx？

原因在于，LSP的设计初衷是服务于人类开发者，而非AI Agent。

LSP要求一个持续运行的后台服务，且需针对不同语言进行独立配置，内存占用动不动就上到1-2GB，并且必须等待项目编译和索引构建完毕后方可使用。

Agent在单次会话中可能只会调用一次相关功能，启动如此重型的服务显得得不偿失。

而cx的设计则是无状态的。

它初次运行时会调用tree-sitter解析全部源文件，构建一个轻量级的本地索引库.cx-index.db，后续的更新只针对有变动的文件进行增量处理。

没有后台进程，不存在编译依赖，即开即用，非常轻便。

如何安装并接入Claude Code

安装过程非常直白：

curl -sL https://raw.githubusercontent.com/ind-igo/cx/master/install.sh | sh

或选择使用Cargo：

cargo install cx-cli

接着，给Claude Code配置一份“操作手册”：

cx skill > ~/.claude/CX.md

随后在 ~/.claude/CLAUDE.md 文件中添上一行：

@CX.md

大功告成！

cx skill 命令会生成一份prompt，用于指导Claude Code何时应调用cx overview、何时使用cx definition，以及在何种情形下才退而求其次去完整读取文件。

Claude Code在接收到这份指令集后，会自动将cx系列命令的优先级置于Read File之前。

安装语言支持包：

cx lang add rust typescript python

cx能够自动侦测项目所使用的语言，若缺少相应的grammar，它会给出明确提示。

上手体验如何？

我拿手头一个Rust项目进行了实际测试。

我让Claude Code帮我重构其中一个模块，在过去，它会先读取入口文件，然后是依赖文件，加载好几个文件以后才开始动手编码。

现在它的工作流变为先执行 cx overview 浏览整体架构，定位到目标函数后，直接通过 cx definition 获取函数主体，基本上两步操作后就开始进入正题。

整个对话流程中Read File的调用频率显著降低，会话结束后检查token消耗，的确节省了相当可观的数量。

有几个点需要留意，cx强依赖tree-sitter来完成语义解析，理论上它支持众多语言，不过需要手动安装对应的grammar。

cx所解决的问题非常聚焦：为AI Agent提供一套比“全量读取文件”成本更低的代码查询方案。这个工具本身并不复杂，集成起来也很方便，但带来的效益却是实实在在的。