Vexp ist eine Local-First-Kontext-Engine, die KI-Coding-Agenten präzise, relevante Ausschnitte Ihrer Codebasis liefert, anstatt ganze Dateien in das Modell zu laden. Sie analysiert ein Repository in einen Abhängigkeitsgraphen, führt eine hybride Suche mit Graph-Ranking durch und liefert komprimierte Kontextkapseln, die den Token-Verbrauch um bis zu 70 % senken und gleichzeitig die Antwortqualität verbessern. Sie wurde für einzelne Entwickler und Engineering-Teams entwickelt, die auf KI-Assistenten angewiesen sind und niedrigere Kosten, weniger fehlerhafte Bearbeitungen und ein besseres dateiübergreifendes logisches Denken wünschen, ohne den Quellcode an Dritte zu senden.
So funktioniert es
Vexp indiziert ein Projekt mit Tree-Sitter-Parsing und speichert alles in einer lokalen SQLite-Datenbank. Auf diese Weise verlässt kein Code den Rechner und es gibt keine Netzwerkaufrufe während der Indizierung oder des Abrufs. Anstatt eine Codebasis als flachen Text zu behandeln, erstellt es einen Graphen von Symbolen und deren Beziehungen und bewertet die Ergebnisse dann anhand einer Mischung aus Volltextsuche, TF-IDF und Graph-Zentralität. Wenn ein Agent Kontext anfordert, stellt Vexp eine fokussierte Kapsel zusammen und wendet eine Skelett- oder Pivot-Reduzierung an, um nicht wesentlichen Code zu entfernen. Dabei wird eine Reduzierung von bis zu 97,7 % für die Teile gemeldet, die für die anstehende Aufgabe keine Rolle spielen. Das Ergebnis ist ein kleinerer, schärferer Prompt, der den Agenten auf den Code ausrichtet, der sich tatsächlich auf die aktuelle Änderung bezieht.
Hauptmerkmale
- Graph-natives Indizieren, das Abhängigkeiten über Funktionen und Dateien hinweg abbildet.
- Hybrider Abruf, der Volltext- und TF-IDF-Suche mit Graphen-Zentralitätsranking kombiniert.
- Skelett- und Pivot-Reduzierung, die den Kontext komprimieren und die Token-Ausgaben senken.
- Sitzungsspeicher, der Projektkonventionen und frühere Entscheidungen aufzeichnet, damit Agenten über eine Arbeitssitzung hinweg konsistent bleiben.
- Auswirkungsanalyse (Impact Analysis), die abhängigen Code vor einer Änderung aufzeigt, sowie logische Flussverfolgung im Aufrufgraphen.
- Absichtserkennung (Intent Detection) mit einem optionalen GPU-beschleunigten On-Device-Modell.
- Zwölf MCP-Tools, die spezialisierte Such-, Speicher- und Überwachungsfunktionen abdecken.
Integrationen und Kompatibilität
Vexp verbindet sich über das Model Context Protocol mit Agenten und unterstützt zwölf Agenten in rund dreißig Sprachen, darunter Claude Code, Cursor, Windsurf, GitHub Copilot, Continue.dev, Zed, Augment, Codex, Opencode, Kilo Code, Kiro und Antigravity. Es wird als Visual Studio Code-Erweiterung und als eigenständiges CLI-Tool geliefert, das über npm installiert wird, sodass es sowohl in editor- als auch in terminalzentrierte Workflows passt. Da es MCP unterstützt, lässt es sich ohne spezielle Integration für jedes Tool in bestehende Agenten-Setups integrieren.
Anwendungsfälle
- Debugging und Erkunden von unbekanntem Code mit genauem, eingegrenztem Kontext.
- Sicheres Refactoring durch Überprüfung der Auswirkungsanalyse vor der Bearbeitung.
- Kontextbewusste Codegenerierung, die bestehende Konventionen respektiert.
- Verständnis von Abhängigkeiten, die sich in großen Repositories über viele Dateien erstrecken.
Preise
Vexp nutzt ein Freemium-Modell, und für die Starter-Stufe ist kein Konto oder eine Kreditkarte erforderlich, um loszulegen.
| Tarif | Preis | Hauptmerkmale |
|---|
| Starter | Kostenlos für immer | Bis zu 2.000 Knoten, einzelnes Repository, 7 MCP-Tools (4 Core plus 3 Speicher), 20 Pipeline- und Skelettaufrufe pro Tag, VS Code oder CLI |
| Pro | $19/Monat | Bis zu 50.000 Knoten und 3 Repositories, alle 12 MCP-Tools, Intent Detection, CodeLens, E-Mail-Support |
Beide Tarife ermöglichen unbegrenzt viele individuelle Repositories, und die eigenständige CLI ist in jedem Tarif verfügbar.
Benchmarks und Glaubwürdigkeit
Auf SWE-bench Verified, einer Suite von 100 echten GitHub-Problemen, meldet Vexp eine pass@1-Auflösungsrate von 73 % bei etwa 0,67 $ pro Aufgabe. Dies wird als etwa 22 % günstiger als der nächstbeste Agent dargestellt, und es beansprucht sieben bis zehn einzigartige Problemlösungen, die andere Agenten nicht erreicht haben. Da der Abruf vollständig auf dem Gerät erfolgt, werden diese Ergebnisse erzielt, ohne dass der Quellcode vom Rechner gesendet werden muss. Das Projekt wird offen entwickelt, mit Dokumentation, einem veröffentlichten Benchmark-Bericht und dem Quellcode, der auf GitHub unter der Vexp-ai-Organisation verfügbar ist.
Datenschutz und Local-First-Design
Alles, was Vexp tut, geschieht auf Ihrer eigenen Hardware. Indizes leben in lokalem SQLite, der Abruf führt keine Netzwerkaufrufe durch und Code wird niemals auf einen externen Dienst hochgeladen. Dies macht es zu einer praktischen Lösung für Teams mit strengen Anforderungen an die Datenhandhabung oder Compliance. Für Entwickler, die KI-Unterstützung gegen die Kosten und die Vertraulichkeit des Versands ihres Codes an einen Remote-Dienst abwägen, positioniert Vexp den Local-First-Abruf als den Weg, um sowohl einen günstigeren Kontext als auch einen besseren Schutz der Privatsphäre zu erhalten.
