该图片可能由AI生成
Claude Code负责人Boris Cherny最近透露了一个有趣的技术决策：早期版本的Claude Code曾使用RAG加本地向量数据库，但他们很快发现“智能体搜索”效果更好。更简单，也没有安全、隐私、数据过时和可靠性方面的问题。
这条消息在社区引发了热烈讨论。所谓的“智能体搜索”到底是什么？说白了，就是让AI像人类开发者一样使用grep、find、ls这些命令行工具来搜索代码。
听起来很朴素，但这里面藏着一个深刻的洞见：代码和自然语言有本质区别。自然语言充满歧义，同一个概念可以有无数种表达方式，所以需要向量嵌入来捕捉语义相似性。但代码是形式化语言，一个函数名就是一个精确地址。与其用模糊的语义匹配去猜测位置，不如直接grep函数名，一步到位。
有用户详细解释了这套机制的运作方式：当你向Claude Code提问时，它会启动一个Explore子智能体，执行一系列shell命令来查找和理解相关代码，然后把精炼后的结果返回给主智能体。这样既避免了把整个代码库塞进上下文，又能精准定位所需信息。
当然，社区里也有不同声音。有人指出这种方法在处理超大规模代码库时会消耗大量token，效率堪忧。也有人认为针对特定项目定制的搜索系统永远比通用方案更强。一位开发者分享说，他们公司基于BM25、Git和代码AST构建了自己的记忆系统，在处理复杂项目时表现更好。
更理性的观点是：RAG和智能体搜索根本不是对手，而是队友。RAG擅长处理海量非结构化数据，比如十万份PDF文档；智能体搜索则在结构化代码库中如鱼得水。Cursor就同时提供了两种能力。
有意思的是，这场讨论揭示了一个更大的趋势：AI工具正在回归Unix哲学。与其构建复杂的专用系统，不如让智能体学会使用已经存在了几十年的成熟工具。最好的搜索方式可能不是发明新轮子，而是教会AI像老练的程序员一样思考和操作。
技术选型从来没有银弹。Claude Code的选择告诉我们，有时候最简单的方案反而最有效，前提是你真正理解了问题的本质。
reddit.com/r/ClaudeAI/comments/1qsqoq0/claude_uses_agentic_search