我不再使用 Grep，结果我的 Agent 速度提升了 10 倍
BBetter Stack
Computing/SoftwareSmall Business/StartupsInternet Technology
Transcript
00:00:00有一个叫 Claude Context 的 MCP 插件，它能索引你的整个代码库
00:00:06到一个向量数据库中，这意味着你的编码助手可以快速获取它所需的精确代码
00:00:11而无需使用 grep 或 glob 进行猜测，在那儿祈祷能找到正确的文件。
00:00:15它甚至会用 AST 解析你的代码，并使用一种混合搜索方法，结合了语义
00:00:20向量和关键字匹配，这最终能减少 40% 的上下文占用。
00:00:24但它确实需要一个 Zilliz 云账号和一个 OpenAI 密钥来获取嵌入向量，即使你用的是 Claude 的代码。
00:00:30那么，多付出的努力和成本换来这些 Token 的节省值得吗？
00:00:34点击订阅，让我们一探究竟。
00:00:35好的，Claude Context——我不太确定这个名字——是由 Zilliz 开发的，这是一家
00:00:43由 Milvus 的创始人创建的公司，Milvus 是一个性能非常强悍的向量数据库。
00:00:47它通过 MCP 连接到你的代理，这意味着它可以与任何代理框架配合使用，
00:00:52而不仅仅是 Claude Code。
00:00:54但它做了三件相当复杂的事情，让你的代码易于查找。
00:00:58首先，它使用 TreeSitter 遍历所有代码，创建函数和类的代码块，
00:01:03这支持九种语言，包括 TypeScript、Python、Rust 和 Go。
00:01:08然后，它使用自定义的 Merkle DAG 对每个文件进行哈希处理并生成 JSON 快照，这意味着它只重新索引
00:01:15发生更改的文件，而不是整个代码库。
00:01:18然后，当你真正想要搜索代码时，它会同时执行两种类型的搜索，
00:01:22一种是查找代码语义含义的向量搜索，另一种是用于精确关键字匹配的 BM25 索引
00:01:29搜索。
00:01:31这一切最终带来了高达 40% 的上下文缩减，对于大型代码库来说这非常可观。
00:01:37事实上，让我们通过测试 VS Code 代码库来看看它的实际效果，该代码库有
00:01:42大约 150 万行代码。
00:01:44在克隆的 VS Code 仓库里，我将使用 Open Code 和 GPT-4o Turbo，因为
00:01:50我不想耗尽我的 Claude Pro 每周额度。
00:01:53为了设置 MCP 服务器（你可以看到就在这里），我已经添加了
00:01:58相关信息到我的 Open Code JSON 文件中。
00:02:01关于这些信息，你可以在本地运行 Milvus，但我使用了 Zilliz Cloud。
00:02:06所以我有从那边获取的 API 密钥，并且创建了一个集群。
00:02:10这是一个 AWS 集群，并从这里获取了公共端点。
00:02:14说到集群，我确实尝试先使用免费版，但我一直遇到
00:02:19超时问题。
00:02:20所以我不得不弄了一个无服务器版（serverless），这虽然要花钱，但确实好用多了。
00:02:25一旦你设置好了 MCP 服务器，确保你运行的 Node 版本低于
00:02:2824 但大于或等于 20。
00:02:31我目前为了这个项目使用的是 22 版本。
00:02:34这将让你能够使用四个 MCP 工具：索引代码、搜索代码、清除索引和获取
00:02:39索引状态。
00:02:40现在你需要做的第一件事是索引代码库，我们可以用这个提示词来做。
00:02:44但在我们按下回车之前，让我们看看我们在 OpenAI 嵌入上已经花了多少钱，
00:02:48只有一美分，那是用于测试一个 23,000 行的代码库。
00:02:53我们还可以在集群中看到我们已经有了从代码库索引来的信息。
00:02:58所以现在如果我们索引这个代码库，它确实需要一些时间，并且会在后台
00:03:02开始索引。
00:03:03此时，我不建议进行任何搜索。
00:03:05因为这是一个大型代码库，它需要一段时间来索引。
00:03:09所以我稍后等索引完成后再回来。
00:03:11大约 50 分钟后，索引完成，我们可以看到我们的集群中多了一个
00:03:16包含超过 223,000 条加载条目的数据块。
00:03:21作为参考，我之前测试用的那个拥有 23,000 行代码的代码库大约有
00:03:271,000 条条目，而且索引时间不到一分钟。
00:03:32至于我们的 OpenAI 使用成本，已经从一美分涨到了 1.06 美元，这确实不少，但我
00:03:38不认为人们会经常需要处理 150 万行代码。
00:03:42好了，让我们看看搜索速度有多快。
00:03:45这里我们有一个使用 Claude Context MCP 服务器的 Open Code 实例，这里
00:03:49我们有另一个没有使用任何 MCP 服务器的实例。
00:03:52所以它将使用常规的 grep 和 glob 工具来搜索代码。
00:03:56我们要给它一个提示词：使用 Claude Context 找到这个项目
00:04:00启动时的入口点。
00:04:01看看这要花多长时间。
00:04:02好的，它正在使用索引工具，现在它在用搜索工具。
00:04:06整个过程花了大约 19 秒来搜索整个项目并找到
00:04:10主 .ts 文件。
00:04:11现在我们将给另一个 Open Code 类似的提示词，它在
00:04:1514 秒内找到了结果。
00:04:16所以，对于这个查询来说，仅使用常规的 GLM 快得多。
00:04:20让我们开始一个新的会话。
00:04:21然后我要给它一个新的提示词：什么函数用于打开一个新的无标题文档。
00:04:26这一个花了稍长的时间，用了 40 秒，找到了带有行号的
00:04:30主要函数，并使用了大约 23K 的 Token。
00:04:32而另一个实例在 12 秒内完成了，使用了 18K 的 Token，但看起来它找到了
00:04:37一个不同的文件。
00:04:38事实上，Claude Context 提供了更多信息，展示了代码以及与
00:04:44打开编辑器相关的其他文件。
00:04:45所以我要让它们俩都给我展示具体的代码。
00:04:48此时，Claude Context 在 23 秒内用代码回复，而没有使用 Claude
00:04:52Context 的 Open Code 在 49 秒内回复，几乎是前者的两倍时间。
00:04:56而且它找到的代码和 Claude Context 找到的完全一样，这给了我一个想法。
00:05:00我要给它一个更广泛、更笼统的提示词：查看代码并告诉我
00:05:04这个项目是如何工作的。
00:05:06Claude Context 在 49 秒内完成，使用了 41K Token，而另一个实例完成得
00:05:11更快，使用的 Token 也更少。
00:05:13但如果我们看看产生的结果，我们可以看到 Claude Context 提供了更多细节，
00:05:17给出了分层架构，甚至还有一些关于 Electron 应用
00:05:22和它所使用进程的信息。
00:05:23而没有使用 Claude Context 的选项也确实提供了一些架构信息，但
00:05:28不像另一个那么详尽。
00:05:30事实上，我知道看起来不像，但我认为 Claude Context 非常擅长
00:05:34快速、详细地提前获取代码信息。
00:05:37我的意思是，看看这个。
00:05:38所以针对这个提示词，我后续要求它提供关于 Electron 应用中主进程的
00:05:43更多信息，它在上面说明了。
00:05:47所以在我问了这个提示词之后，它花了大约 1 分 47 秒，但看看所有那些
00:05:52细节。
00:05:53它从启动序列开始，然后是第一阶段：服务创建和
00:05:58服务初始化。
00:05:59我们在第二阶段得到了更多内容，即代码应用 App，并附有所有相关文件的
00:06:04引用。
00:06:05所以我们有 app.ts 第 185 行，我们还可以一直列举下去。
00:06:10而在没有 Claude Context 的情况下，Open Code 仍然在使用多个
00:06:15子代理遍历所有文件。
00:06:16这有点欺骗性，因为我们无法准确看到每个子代理
00:06:21正在使用多少 Token。
00:06:22但如果我们等一会儿再回来，我们可以看到大约 5 分钟后，Open Code
00:06:26回复了大量关于 Electron 进程的信息，但这没有
00:06:31Claude Context 提供的那么多，而且它花的时间多了五倍。
00:06:34现在，是的，也许如果我使用像 Opus 4.7 这样更聪明的模型并加大力度，它会得到
00:06:40更多信息，但它仍然会花费很长时间并使用很多 Token。
00:06:44这些就是我在录制前测试 23K 行代码库时所看到的差异，即五分钟和一分钟。
00:06:48录制前测试的时候。
00:06:51所以最终，很难说谁是明确的赢家。
00:06:54我的意思是，Claude Context 确实总是提供更多细节，但它并不总是最快
00:07:00且最节省 Token 的。
00:07:01对于大型代码库，它的索引过程确实非常耗时。
00:07:05然而，对于中等规模的代码库，即 2 万到 3 万行代码，索引时间
00:07:10真的很快。
00:07:11而且结果在细节上的差异非常明显。
00:07:14事实上，对于中等规模的代码库，我更愿意使用 Claude Context
00:07:20而不是在大型代码库上使用它。
00:07:22所以这是值得考虑的一点。
00:07:23但老实说，这对 Zilliz 来说更像是一个很棒的营销工具，因为在使用 Claude
00:07:27Context 之前，我从未听说过他们，现在他们有了一个新的付费客户。
00:07:31但尽管它安装起来确实花了一些时间，而且索引大型代码库确实花费了
00:07:36很长一段时间。
00:07:37作为一个经常查阅开源代码库并进行提问的人，我认为
00:07:42这是我以后会更多使用的工具。
00:07:44我的意思是对于中等规模的代码库，无服务器方案并不太贵，而且
00:07:49OpenAI 的嵌入成本也不会太高。
00:07:52所以我很高兴承担这些费用。
00:07:53说到数据检索和人工智能。
00:07:55如果你想学习如何从零开始构建一个真正有效、
00:07:59好用的 RAG 系统，那就看看 Andris 的这个视频。
00:08:02而且如果你是星球大战迷，你尤其会喜欢这个视频。