编码 Agent 的语义搜索：和 grep 配合，而不是替代 grep

先说结论

grep 擅长找已经知道的符号，语义搜索擅长把“登录失败在哪里处理”这类意图映射到陌生代码。二者解决的不是同一问题。检索改进是否有效，也不能只看返回结果像不像；要先用已知答案的离线题测“找对位置”，再用真实任务观察代码是否被保留、用户是否需要返工。

原文解决什么

Cursor 的 Agent 同时使用正则搜索和语义搜索。文章称，加入语义搜索后，问答准确率平均提高 12.5%，不同模型范围为 6.5%–23.5%；线上 A/B 中还观察到代码保留和不满意后续请求的变化。这些数字来自 Cursor 内部数据，均属厂商自报，本站未独立验证。

更值得迁移的是训练信号来源：一次真实 Agent 轨迹往往先搜错、打开多个文件，最后才找到关键代码。Cursor 回看这些轨迹，让 LLM 排序“某一步最该更早出现的内容”，再训练 embedding 贴近这种帮助度。它学习的是任务过程中的有用性，不只是两段代码表面相似。

接入 Zero-to-AI 的实践

先建一个小型 known-answer 集：问题、应该命中的文件或段落、允许的同义答案、为什么相关。离线只测召回与排名，不拿它证明修改质量。随后挑真实但低风险的维护任务做 A/B：同一模型和快照，一组只有 rg，另一组同时有语义搜索；最终仍由测试、diff 和人工返工判定。

轨迹可用于发现训练或评测候选，但要先脱敏，且不能把“Agent 最后打开过”直接当正例。最后打开的文件可能只是验证页，真正关键的线索在更早的配置或调用者里。

一个低成本实验

输入： 六个仓库问答，其中三题给出精确符号，三题只描述业务意图；每题预先标注 1–3 个正确位置。

步骤：

1. 固定仓库提交与模型，用 rg 跑一组，用 rg + semantic 跑一组。
2. 记录前五个结果是否含正确位置、首次命中排名、Agent 打开的无关文件数。
3. 再选两题要求完成最小修改，用相同测试和人工复核比较返工。

成功证据： 意图题的正确位置召回或排名改善，符号题不退化，两项修改均通过原验收且无额外误改。

停止线： 没有可靠答案标注、索引版本不同、或两组模型与权限不一致；停止作因果结论。

常见误区

• 语义搜索会淘汰 grep：精确符号、错误码和配置键仍更适合字面搜索。
• 召回高就代表 Agent 更好：错误上下文也会增加阅读与误改。
• 把线上指标当离线标签：代码保留受用户重构、分支切换等因素影响。

原文与证据边界

本文依据 2026-08-30 可读取的 Cursor 官方页面。12.5% 及线上 A/B 数字均为 Cursor 自报，数据集、流量和模型分布未公开到足以复现。本轮未取得 TraceFetch 签名正文包，不能声明 verification.valid=true。本文实验只验证本站小样本检索，不推出大仓生产收益。

本文是原创中文实践解读，不是逐句翻译。阅读英文原文。