Penulis menganalisis makalah FastContext dari Microsoft dan menyajikan pendekatan alternatif menggunakan pencarian semantik offline untuk mengurangi penggunaan token pada agen pemrograman. Dengan mengindeks repositori sebelumnya dan memberikan petunjuk rentang file ke Claude Code, metode ini berhasil menurunkan total token sebesar 43,8% sambil mempertahankan kualitas solusi yang setara pada SWE-QA.
- FastContext memisahkan eksplorasi repositori dari penyelesaian menggunakan subagen terlatih, sedangkan eksperimen ini menggunakan Attemory untuk pengindeksan dan pengambilan offline.
- Pengujian mencakup 720 sampel berpasangan di seluruh 15 repositori, membandingkan baseline Claude Code dengan DeepSeek v4 terhadap pengaturan yang sama dengan petunjuk pengambilan.
- Penggunaan token total menurun sebesar 43,8%, dengan pengurangan pada token agen utama dan subagen, sementara skor penilai GPT-5.4 tetap hampir tidak berubah (83,39 vs 83,17).
- Berbeda dengan loop agen online FastContext, Attemory menggunakan pengambilan hanya prefill, menghindari decoding token per token untuk fase eksplorasi.
Pendekatan ini menunjukkan bahwa petunjuk pengambilan offline yang sederhana dapat secara signifikan menurunkan biaya konteks tanpa memerlukan penjelajah terlatih khusus, menawarkan alternatif yang lebih ringan untuk agen pemrograman.