PySonar2 如何帮助 AI 节省 Token
内容提要
PySonar2作为AI技能可减少Python项目修改时30%的Token消耗，通过语义分析和AST索引提供代码定义、引用及影响文件，避免AI重复扫描代码。相比关键词匹配工具更高效，虽13年未更新，但开源轻量，适合Agent适配，并已发布VS Code插件，未来或可推广至其他语言。
延伸解读
语义索引为何能省 Token
PySonar2 通过 AST 分析建立代码语义索引，将符号定义、引用和影响文件汇总到一个 JSON 中。AI 无需反复执行 rg 扫描全部代码，直接读取索引即可定位相关文件，从而减少大量重复读取和上下文填充，最终节省约 30% 的 Token。这种基于结构分析的方式，比关键词或 embedding 匹配更精准，能有效降低无效信息干扰。
老项目的现代价值
PySonar2 虽已 13 年未更新，但其核心的词法分析和类型推断仍具价值。开源、轻量、逻辑清晰的特点使其易于封装为 AI Skills 或 VS Code 插件，适配现代 Agent 工作流。这提示我们，在 AI 时代，一些经典工具的核心原理可能比其工程实现更具长期价值，值得重新挖掘和包装。
对其他语言的启示
PySonar2 的成功表明，为 AI 提供结构化的代码语义信息能显著提升效率。这一思路不仅限于 Python，也可推广到 JavaScript 等脚本语言。未来，类似基于 AST 的索引工具可能成为 AI 编程助手的基础设施，帮助 AI 更精准地理解代码，减少盲目扫描，从而在更多语言中实现 Token 节省。
Q&A
PySonar2 是什么？它如何帮助 AI 节省 Token？
PySonar2 是一个基于语义分析和 AST 索引的代码分析工具，它通过提供代码定义、引用和影响文件等信息，让 AI 直接查看索引而无需重复扫描全部代码，从而在修改 Python 项目时减少约 30% 的 Token 消耗。
PySonar2 相比基于关键词匹配的工具（如 rg）有什么优势？
PySonar2 基于语义分析和 AST 结构，能提供代码定义、引用和影响文件等结构化信息，而关键词匹配工具（如 rg）只能进行文本搜索，需要 AI 自行扫描和判断，因此 PySonar2 更高效，能显著减少 Token 消耗。
PySonar2 的 AI skill 如何安装？
可以直接告诉 ChatGPT：'帮我安装这个 skill 到用户级目录：https://github.com/smallyunet/pysonar2'，即可安装基于 PySonar2 源码封装的 AI skill。
PySonar2 有哪些局限性？
PySonar2 已经 13 年没有在学术理论上更新，因此不可能处于世界前沿。此外，它目前只支持 Python，不适用于其他语言。
PySonar2 是否仍然具有独特价值？为什么？
是的，PySonar2 仍然具有独特价值。因为很多同类项目基于关键词匹配或 embedding，而 PySonar2 基于语义分析，不在一个层面。此外，它开源、代码轻量、逻辑清晰，在 Agent 适配方面有独特优势和潜力。
PySonar2 的 VS Code 插件有什么功能？
PySonar2 的 VS Code 插件可以在 VS Code 中打开 Python 代码后，鼠标悬停（hover）在代码上时显示 PySonar2 的类型推断结果。
PySonar2 的 AI skill 在 benchmark 中的表现如何？
在 benchmark 中，使用 PySonar2 skill 后，速度略有提高，Token 消耗量直接减少 30%。
PySonar2 的代码分析结果包含哪些信息？
PySonar2 的分析结果包含符号（symbol）、定义（definitions）、引用（references）和影响文件（affectedFiles）等信息，例如对于符号 'User'，会列出定义在 models.py 的第 12 行，引用在 service.py 和 tests/test_service.py 等。
