SigMap v8.9: Camada de Contexto Determinística Reduz Uso de Tokens em 97% para Agentes de Codificação de IA

SigMap v8.9 é uma camada de fundamentação determinística e verificável para trabalho de código com IA. Ela afirma uma redução de 97,0% no uso de tokens, 87,8% de precisão de recuperação hit@5 (contra 13,6% aleatório) e 49,2% menos prompts por tarefa (1,44 vs 2,84). A ferramenta é zero dependência, totalmente offline e funciona com TypeScript, Python, Go, Rust, Java, Kotlin, Ruby, PHP, Swift, C#, C++, Dart, Scala, Vue, Svelte, GraphQL, SQL, Terraform, R, GDScript e mais.
Fluxo de trabalho principal: perguntar, validar, julgar, aprender
O fluxo de trabalho vai além da simples redução de contexto:
- Gerar um mapa de assinatura compacto uma vez com
npx sigmap. - Perguntar por arquivos específicos para a tarefa atual:
sigmap ask "explique o fluxo de autenticação". Isso gera uma lista de arquivos classificados e um.context/query-context.mdpronto para colar. - Validar cobertura:
sigmap validate --query "auth login token"verifica se o contexto é suficiente. - Julgar fundamentação:
sigmap judge --response response.txt --context .context/query-context.mdavalia se a resposta está fundamentada no código.
Integração com MCP e IDEs
SigMap é compatível com MCP e funciona com Copilot, Claude Code, Cursor, Windsurf, Codex, OpenCode e Gemini CLI. A versão v8.9.1 adiciona uma ferramenta MCP squeeze_output e a flag de CLI squeeze --response para comprimir deterministicamente traces de pilha ruidosos, logs de CI ou payloads JSON no meio da sessão — a 19ª ferramenta MCP.
Resultados de benchmark
Último benchmark salvo (v8.9.1, julho de 2026):
| Métrica | Sem SigMap | Com SigMap |
|---|---|---|
| Proxy de sucesso de tarefa | 10% | 67,8% |
| Prompts por tarefa | 2,84 | 1,44 |
| Recuperação hit@5 | 13,6% | 88% |
| Redução geral de tokens | — | 97,0% |
| Repositórios com overflow GPT-4o | 16/21 | 0/21 |
O desempenho abrange 21 repositórios e 90 tarefas reais de codificação.
Início rápido
npx sigmap
sigmap ask "explique o fluxo de autenticação"
# Gera lista de arquivos classificados + .context/query-context.md
# Cole o contexto no assistente de IA
Para equipes ou CI, o SigMap oferece estratégias configuráveis e generalização para monorepos. Ele também possui um guia dedicado para agentes de código aberto (OpenCode, Aider, Cline) e LLMs locais (Ollama, llama.cpp, vLLM) — custo zero, privacidade total.
📖 Leia a fonte completa: HN LLM Tools
👀 See Also

Deblank: Ferramenta para Remover Formatação de Código para Redução de Tokens em LLM
Deblank é uma ferramenta de código aberto que remove a formatação de código (indentação, espaços em branco, quebras de linha) antes de enviar para LLMs, reduzindo tokens em ~30% para Java/C++ e ~9% para Python com latência de ~76ms. Ele suporta Python, Java, C/C++, C#, JS/TS e Go.

CLI de código aberto usa Claude Haiku para automatizar auditoria de despesas no Xero
Um desenvolvedor lançou uma ferramenta CLI de código aberto em Python que usa Claude Haiku 4.5 para automatizar a auditoria de despesas do Xero. A ferramenta segue uma abordagem de 'código determinístico primeiro, depois IA para preencher as lacunas', mantendo os custos em alguns centavos por execução de auditoria.

Apresentando Swarmhook: Webhooks Gratuitos e de Código Aberto para Seu Bot
O Swarmhook.com oferece webhooks gratuitos e de código aberto para gerenciar eventos de seus bots de forma eficaz, simplificando a automação e as capacidades de resposta.

SLayer: Uma Camada Semântica Open-Source para Agentes de IA que Aprende com Consultas
SLayer é uma camada semântica leve e incorporável que permite que agentes de IA consultem bancos de dados, gerenciem modelos e aprendam com interações via MCP, REST, CLI ou Python.