性能数据可复现：gortex代码智能引擎的5套基准测试如何跑、如何读-北京尧图网络

【免费下载链接】gortexHigh-performance code-intelligence engine for AI agents and IDE, supports 257 languages, multi repositories, based on graph, with access via CLI, MCP Server, and API. AI coding agents teammate - expose only needed information, cutting token usage up to 50x. 100% local. Discord: https://discord.gg/39MFHu3J5d项目地址https://gitcode.com/gh_mirrors/gor/gortex点击查看免费下载gortex 是一款面向 AI 编程智能体Agent和 IDE 的高性能代码智能引擎它用 tree-sitter 解析 257 种语言把代码索引成持久化知识图谱通过 CLI、MCP Server 和 API 暴露查询能力并宣称单次响应最多可削减 50 倍 token 开销。为了让这些数字经得起检验gortex 在 BENCHMARK.md 中公开了5 套可复现的基准测试benchmark——每套都附带头条数字、公开数据表、复现命令和源码位置。本文带你逐一跑通这 5 套 gortex 基准测试并教你正确解读结果。5 套基准测试一览 #基准测试回答的问题核心指标测试源码1参考仓库性能索引和查询快不快冷索引、搜索/影响分析 p95bench/perf/2Token 效率省多少 token与 ripgrep 的 token 对比 recallkbench/token-efficiency/3GCX1 线格式传输格式省多少体积中位数 token 节省 27.4%bench/wire-format/4Daemon MCP 工具延迟生产路径多快p50 / p95 / p99bench/daemon-latency/5search_symbols 召回率找得准不准R1/5/20、MRRbench/fixtures/retrieval.yaml基准一参考仓库性能——冷索引与查询延迟这套基准在gin/nestjs/react可选 linux 内核三个真实仓库上完整走一遍冷索引 → 搜索 → 影响分析 → 增量重索引的闭环每个仓库索引到全新的 SQLite 存储测得冷索引耗时写入全新存储的真实耗时search p9550 条代表性查询的 95 分位延迟impact p95 / p99随机抽取 10 个函数做改了它会坏什么的影响分析——亚毫秒级影响分析这一核心卖点就在这里被验证磁盘 DB 大小与常驻内存RSS如何跑详见 bench/perf/README.mdgortex bench perf --out-dir bench/results # 完整 3 仓库运行 gortex bench perf --strict # CI 门禁任一预算超标即失败如何读官方参考值来自 Apple M3 Max例如内嵌 nestjs 样例上 impact p95 为0.76ms低于 1.0ms 的预算线 ✅。文档明确提醒换台机器绝对耗时可能差 2–5 倍相对形状哪个工具快、是否过预算线才是可复现的部分。基准二Token 效率——省 50 倍 token的出处这是 gortex 最核心的卖点验证。基准把同一组查询丢给 3 条管线统计各自喂给 LLM 的 token 数ripgrep 整文件读取——朴素基线ripgrep 上下 50 行上下文——稍聪明一点的 Agentgortexsearch_symbols→get_symbol_source只取需要的符号源码同时在 2k / 10k token 预算下计算 recall对照人工标注的正确答案集groundtruth.json。如何跑详见 bench/token-efficiency/README.mdgortex bench tokens-efficiency # 默认对 gortex 仓库自身 gortex bench tokens-efficiency --strict --budget-ratio 0.5 # CI 门禁如何读头条结论是——在标识符查询集上gortex 的recall2k 中位数 1.00ripgrep 两条管线均为 0.00且 token 数低 3–50 倍。原因在于整文件读取时Agent 真正想要的那个文件塞不进 2k 预算而 gortex 只返回精确符号。注意自然语言查询那几行如 MCP server start中 ripgrep 因需要字面命中而无结果会抬高 gortex 的相对成本——逐行数据才是诚实的图景。基准三GCX1 线格式——传输再省 27%gortex 自研的 GCX1 紧凑线格式与标准 JSON 做 20 个 MCP 工具响应的往返对比同时用两种分词器计分cl100k_base覆盖 Claude 3 / GPT-4o 系Opus 4.7 用 ×1.35 标量估算--use-api可取精确值中位数 token 节省−27.4%中位数字节节省−26.8%往返完整性20/20编码→解码→再序列化与原 JSON 完全一致证明无损如何跑详见 bench/wire-format/README.mdgo run ./bench/wire-format如何读完整逐条得分表在 bench/wire-format/scorecard.md。规律很实用行数多的表格类载荷find_usages、analyze_hotspots可省 30–38%小而标量多的记录graph_stats、find_cycles可能反而变长——格式头部开销超过收益源码主体为主的get_symbol_source大致持平。不是所有场景都赢这就是基准的价值。基准四Daemon 模式 MCP 工具延迟这套基准在生产分发路径上实测 8 个核心 MCP 工具的 p50/p95/p99JSON 参数解析 → 工具分发 → 处理逻辑 → 响应编码语料为 gortex 仓库自身71,300 个节点。如何跑详见 bench/daemon-latency/README.mdgortex bench daemon-latency # 快速冒烟 gortex bench daemon-latency --iter 500 # 更多迭代更紧的分位数如何读各工具 p95 的中位数为 5.5msp99 中位数 5.9msget_callers/find_usages等图查询低至 0.01ms重量级的get_repo_outline遍历全图在数百毫秒量级。README 明确列出了不测什么——stdio 管道、daemon socket、网络 RTT 各自只加约 0.1–1ms不掩盖 handler 本身的耗时。基准五search_symbols 检索召回率前五套比快和省这套比准。它用 156 条人工标注查询gortex-seed-v2分 exact / concept / multi_hop 三档评估检索排序器排序器R1R5R20MRRp95 延迟bm25内置词法路径42.3%55.1%63.5%0.47921.3mswinnow37.8%50.0%64.1%0.43922.9msripgrep0.0%17.3%29.5%0.061162.2ms如何跑gortex eval recall --fixture bench/fixtures/retrieval.yaml --format markdown gortex eval recall --embeddings # 追加语义 RRF 排序器如何读gortex 内置词法路径在精确符号名查询上 R5 高达 96.8%整体 R5 是 ripgrep 的 3.2 倍。两个诚实提示召回按严格命中金标准 ID计分换个说法的正确答案也算 miss所以数字是下限开启 Porter 词干GORTEX_FTS_STEMMING1会牺牲一点精确档精度换广度R20 5.7pp因此默认关闭。通用方法论如何让结果可信跑完 5 套基准后用 BENCHMARK.md 末尾的方法论注释来解读硬件敏感性绝对耗时跨机型差 2–5 倍预算门禁impact 亚毫秒、token 比 50%是专门调校到在开发者笔记本到 CI 机器上都成立的网络敏感性参考仓库首次运行需克隆之后缓存linux 默认关闭外部依赖Token 效率基准需要 PATH 中有rg可--skip-ripgrep跳过线格式--use-api需要ANTHROPIC_API_KEY真值范围查询没有标注项时按 recall0 计——刻意让漏标暴露出来而非静默通过每套子命令都支持--strict预算超标即退出非零可直接作为 CI 回归门禁。进阶仓库还有两个更底层的守门人值得了解——bench/index-perf/ 是冷索引墙钟回归测试基线超标 15% 即失败bench/baselines/ 则用统一接口对比 ripgrep、probe 等 6 个外部检索基线的 NDCG10 与延迟方便你把 gortex 放进更宽的竞技场。总结gortex 的做法给所有宣称高性能的开源项目打了个样每个头条数字都有公开命令、公开数据和可自动判定的预算线。你不必相信 50 倍 token 节省——克隆仓库、装好 gortex跑一遍gortex bench perf --strict和gortex bench tokens-efficiency --strict用你自己的硬件重新裁决这些数字。赞分享【免费下载链接】gortexHigh-performance code-intelligence engine for AI agents and IDE, supports 257 languages, multi repositories, based on graph, with access via CLI, MCP Server, and API. AI coding agents teammate - expose only needed information, cutting token usage up to 50x. 100% local. Discord: https://discord.gg/39MFHu3J5d项目地址https://gitcode.com/gh_mirrors/gor/gortex点击查看免费下载相关推荐Hyperscan性能基准测试如何准确评估匹配引擎的效率Hyperscan性能基准测试如何准确评估匹配引擎的效率作为Intel开发的高性能正则表达式匹配库Hyperscan在网络安全、内容过滤和日志分析等领域有网络安全KillWxapkg深度解析微信小程序逆向工程的核心技术与安全评估实践KillWxapkg深度解析微信小程序逆向工程的核心技术与安全评估实践在移动应用安全研究领域微信小程序的反编译技术一直是一个充满挑战的课题。随着小程序生态逆向工程小程序应用安全OpenVINO性能测试指南如何获取准确基准数据OpenVINO性能测试指南如何获取准确基准数据前言在深度学习模型部署过程中性能评估是至关重要的一环。本文将详细介绍如何为OpenVINO工具包获取可靠人工智能推理引擎深度学习本地部署模型优化模型量化创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

性能数据可复现：gortex代码智能引擎的5套基准测试如何跑、如何读

相关推荐

Inventor参数化建模避坑指南：约束诊断、iLogic调试与版本兼容性实战

编译原理语义分析与四元式生成实战解析

SQL Server数据库加固全攻略：从账号权限到协议加密

更多资讯

AI原生应用API编排层高可用：超时、重试、幂等与降级实战

Unity相机与刚体物理实战：跟随、碰撞与抖动排查指南

Unity相机与刚体系统核心要点与实战调优指南

Mac Agent 实时控制接线指南：laya-mlx 让端侧响应快到没感知

无服务器MLOps实战：从数据集工程到PyTorch分布式训练

MQTT在工业物联网中的四大不适场景与选型框架

今日更新

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本周精选

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？