/tags/code-search/ Recent content in code-search on Hugo -- gohugo.io en Sun, 20 Sep 2026 11:20:00 +0800 /posts/coding-agent-code-retrieval-2023-2026/ Sun, 20 Sep 2026 11:20:00 +0800 /posts/coding-agent-code-retrieval-2023-2026/ 背景 2026 年 9 月上旬两周之内有两条消息：JetBrains 公开了 Context 这条语义检索流水线的工程细节，AST 切块加 binary quantization；Databricks 发了个能自己决定搜几轮的检索模型。两家都在往「检索」这一层加东西。 2025 年最流行的结论正好相反。Claude Code 不给代码库建任何索引，Cline 那边把 RAG 叙事直接叫 “a mind virus”。 这两件事看上去对不上。把公开资料按时间排开之后，它们落在同一条线上。2024 年被撤掉的是 RAG 那种索引：推理之前检索一次，把 top-k 塞进 prompt，定终局。2025 年底加回来的索引挂在 agentic search 的循环里，也就是模型自己反复调工具去找东西的那种跑法，想调就调一下，不够再来一轮。同一个词底下换了角色。 下面先把时间点排出来，再看这三段各自在解什么问题，最后回到自己的仓库该不该建索引。DCI 那篇论文的机制在另一篇笔记里拆过，这里只当时间线上的一个点。 时间线：2023-02 到 2026-09 时间 发生了什么 出处 2023-02 GitHub 上线 Blackbird 代码搜索，用的是 n-gram 倒排索引，不做向量检索：45M 仓库、115TB 代码，单 shard p99 约 100ms GitHub Blog 2023-10 Aider 用 tree-sitter 抽函数和类的签名做 repo map，只给模型看骨架，不算 embedding aider.chat 2023 Cursor 和 Cody 都把「给代码库建向量索引」当默认做法。Cursor 用 Merkle tree 比对哪些文件变了，只重算变过的部分（这份说明是 2026-01 补写的） Cursor Blog 2024-02 Sourcegraph 在 Cody Enterprise GA 时撤掉 embeddings，换成自家的 Sourcegraph Search，原文写的是 “we’re leaving them behind (for now)” Sourcegraph Blog 2025-02 Claude Code 以 research preview 形态发布 Anthropic 2025-05 Boris Cherny 说早期 Claude Code 用过 RAG 加本地向量库，后来发现 “agentic search generally works better” 转引 2025-05 Cline 的 Nik Pash 发文，把「拿 RAG 当默认答案」称作 “a mind virus” pashpashpash 2025-10 Cognition 发 SWE-grep 和 SWE-grep-mini，用 RL 专门训的检索模型，工具只有 grep/read/glob Cognition 2025-11 Cursor 发《Improving agent with semantic search》，自训 embedding 模型，问答准确率平均 +12.