AI 编程只靠 grep 够不够？Augment 和 Claude Code 在争两种上下文路线

林岚｜OC 开发者生态编辑

据 Ars Technica 报道，Augment Code 主张先持续索引代码库、服务和历史，再把最相关片段交给模型；Claude Code 的代表路线则更依赖 Agent 在任务中使用 glob、grep 和文件读取即时探索。

一句话结论： 语义索引适合大型、多仓库和组织知识分散的系统，grep 适合代码结构清楚、变化快和隐私要求高的项目；真正决定效果的不是工具名字，而是 Agent 能否用较少 Token 找到正确上下文。

grep 的优点是结果可解释、实时且不需要预处理。模型可以先看目录，再搜符号和错误字符串，像开发者一样逐步缩小范围。新代码保存后马上可见，也不必把整个仓库交给外部索引服务。

它的缺点是模型必须知道搜什么。跨服务调用、同义业务概念和历史重构很难靠一个关键词命中，Agent 会反复读错文件并消耗上下文。Augment 的 Context Engine 维护语义关系，声称在使用相同模型时减少 Token 和支出；但这些数字来自厂商评测，仍需在真实仓库独立复现。

预索引也有代价：索引会过期，需要权限隔离，还可能把代码、提交和内部文档送到新的服务。小项目建立复杂检索层，维护成本可能比省下的 Token 更高。更现实的方案往往是混合：先用结构和 grep 快速定位，遇到跨仓库问题再调用语义检索。

关键事实

• Augment 提供持续语义索引，并可通过 MCP 接入 Claude Code、Codex 等 Agent。
• Claude Code 默认具有目录、glob、grep 和文件读取等即时探索工具。
• 厂商成本和通过率数据受任务、模型、缓存与 harness 配置影响。

OC 判断

“上下文越多越好”是错的，“grep 足够一切”也过于简单。好的 harness 应先便宜地缩小范围，再为真正跨系统的问题购买更昂贵的语义上下文。

为什么重要

• 对开发者： 根据仓库规模和任务类型选择检索方式。
• 对企业： 引入索引服务前先检查权限、驻留和删除策略。
• 对用户： 同一模型在不同编程工具里表现不同，常常是上下文系统造成的。

参考来源

• Ars Technica 原始报道
• Augment Context Engine
• Claude Code：How it works
• arXiv：Is Grep All You Need?