XNews

Context.devがRust製ローカルセマンティックコード検索CLI「sgrep」をリリース

Context.devがRust製ローカルセマンティックコード検索CLI「sgrep」をリリース

Context.devは、Rustで書かれたローカルセマンティックコード・文書検索CLI「sgrep」をオープンソース化した。初回検索後は約32MBのCPUモデルで完全にオフライン動作し、コードとクエリをマシン上に保持する。このツールは、ripgrepベースのファイル列挙、Tree-sitterによる構文認識チャンキング、MinishLabのmodel2vecスタイルPotionモデルによる静的埋め込み、そして75%セマンティック+25% BM25のハイブリッドスコアリング(完全一致識別子を最上位にランク付け)を組み合わせている。GPT-6を用いたSWE-bench Verifiedの50タスクを2回実行した結果、パイプラインモードのsgrepはripgrepと比較してLLM APIコストを21.3%削減し、100タスク中70タスクを解決(ripgrepは100タスク中68タスク)した。

イベントのバージョン 4.

Key insights

SWE-bench Verifiedにおけるコストとタスク結果

GPT-6を用いたSWE-bench Verifiedの50タスクを2回実行したパイプラインモードで、sgrepはripgrepと比較してLLM APIコストを21.3%削減し、100タスク中70タスクを解決(ripgrepは100タスク中68タスク)。この結果は、検索ラウンドの削減とより安価なコンテキストにより、わずかに良い成果が得られたことを反映している。

ベンチマーク間の検索品質

sgrepは完全な関数検索のRepoQAでリードしているが、CKのセマンティックモードはコードスニペット検索のCoSQAでより強力である。著者はこの制限を直接述べている。

静的埋め込みのトレードオフ

トークンベクトルの平均化はトークンの順序情報を破棄し、深い文脈的意味を捉えることができない。BM25と完全一致識別子マッチングによるハイブリッドスコアリングは、セマンティック信号の方向性エラーを修正するために使用される。

既存の検索アプローチに対する位置づけ

ripgrepは既知の名前、正確なテキスト、正規表現に適しているが、意図ベースのクエリには大量のノイズを返す。一方、mgrepのようなクラウドセマンティック検索はアカウント、ネットワークアクセス、ソースコードのオフマシン同期を必要とする。sgrepはプライバシーとオフラインシナリオをターゲットにしている。

Source posts