XNews

Context.dev 发布 sgrep:一款 Rust 本地语义代码搜索 CLI

Context.dev 发布 sgrep:一款 Rust 本地语义代码搜索 CLI

Context.dev 已开源 sgrep,这是一款用 Rust 编写的本地语义代码与文档搜索 CLI,首次搜索后即可完全离线运行约 32MB 的 CPU 模型,代码和查询均保留在本机。该工具结合了基于 ripgrep 的文件枚举、Tree-sitter 语法感知分块、来自 MinishLab 的 model2vec 风格 Potion 模型的静态嵌入,以及 75% 语义加 25% BM25 的混合评分,其中精确标识符匹配排名最前。在 SWE-bench Verified 上使用 GPT-6 对 50 个任务运行两次的测试中,流水线模式下的 sgrep 相比 ripgrep 将 LLM API 成本降低了 21.3%,同时解决了 100 个任务中的 70 个,而 ripgrep 为 68 个。

事件版本 4.

Key insights

SWE-bench Verified 上的成本与任务结果

在 SWE-bench Verified 上使用 GPT-6 对 50 个任务运行两次的流水线模式中,sgrep 相比 ripgrep 节省了 21.3% 的 LLM API 成本,并解决了 100 个任务中的 70 个,而 ripgrep 为 68 个。该结果反映了更少的检索轮次和更便宜的上下文带来了略好的结果。

跨基准的检索质量

sgrep 在 RepoQA 的全函数检索上领先,而 CK 的语义模式在 CoSQA 的代码片段检索上更强。作者直接说明了这一局限。

静态嵌入的权衡

对 token 向量取平均会丢弃 token 顺序信息,无法捕捉深层上下文语义。使用 BM25 和精确标识符匹配的混合评分来纠正语义信号的方向性错误。

相对于现有搜索方法的定位

ripgrep 适合已知名称、精确文本和正则表达式,但对于基于意图的查询会返回大量噪声,而 mgrep 等云端语义搜索需要账户、网络访问并将源代码同步到本机之外。sgrep 面向隐私和离线场景。

Source posts