作者认为，像 `grep` 这样的传统代码搜索工具在大代码库中效率低下，在使用 LLM 时会导致 token 浪费和结果不佳。他们提出了一个解决方案，涉及一个本地 MCP 服务器，该服务器构建代码库的丰富、结构化知识图谱。该图谱通过元数据进行丰富，使 LLM 能够高精度地找到相关文件，从而显著降低 token 成本并提高工作流程效率。 AI
影响 这种方法可以显著降低执行代码分析的 LLM 的 token 成本，使其对开发人员更高效、更具成本效益。
排序理由 文章讨论了一种改进 LLM 代码搜索的技术方法，但其呈现方式更像是一篇观点文章，而非产品发布或研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
<p>Grep is like read all the shit present there no cap! and on compact compress the shit to avoid context! then shit become actual shit, Grep has to again find that context!</p> <p>That's where structural understanding of your codebase comes into the picture. AST/LSP are actually…
<div class="medium-feed-item"><p class="medium-feed-snippet">Grep is like read all the shit present there no cap! and on compact compress the shit to avoid context! then shit become actual shit, Grep…</p><p class="medium-feed-link"><a href="https://medium.com/@krishnakantk…