读一年 AST 代码 RAG 论文后,他把整个代码库索引进一个 SQLite 文件

_solidude · reddit · 2026-09-22

Reddit 用户 solidude 用一年时间研读 AST 感知的代码 RAG 论文,据此构建了开源项目 Chonks(Apache-2.0):将大型代码库索引为单个 SQLite 文件,通过 MCP 提供给编码 agent 使用。

• 技术要点:Tree-sitter AST 分块、语义+BM25 混合检索、带类型的交叉引用图,检索路径完全不调用 LLM
• 多语言:10 种语言(含 C++、C#、HLSL、Python)支持完整符号与调用图,可跨语言追踪调用路径
• 成绩:在 held-out Loc-Bench 上单次调用 Acc@5 达 64/100,测试 id 在调参前选定并公开
• 论文清单:作者附上全部参考论文及各自收获,包括 cAST(EMNLP 2025,递归 AST 切分)、LARGER(词法锚点+置信度过滤扩展)、LocAgent(Loc-Bench 来源)、Practical Code RAG at Scale(反面观点:行分块+BM25 在代码检索中不输语义)等

作者感慨:边做边发现,自己造的东西最终收敛到了文献里。

原文链接 →

「编程与Agent」频道最新

• 开源多用户 Agent 平台 Nautilo 上线：Genie 可替你登录网站干活 — Dan_Jeffries1 · 2026-09-22
• 用 x402 让投研 Agent 订阅付费 Substack 财经通讯 — kleffew94 · 2026-09-22
• Hermes Agent 联手 ComfyUI 过夜自主迭代，做出角色替换视频 — Teknium · 2026-09-22
• 嫌 Codex 额度烧太快，开发者做 Token Saver 让 Muse 分担编码任务 — AIandDesign · 2026-09-22
• Agent 集群扩展 N 倍理论上可得 N^λ 倍加速 — tobyordoxford · 2026-09-22
• 睡一觉醒来：Agent 自作主张给训练任务加了 2 小时预算叫停 — BLUECOW009 · 2026-09-22

更多「编程与Agent」频道 AI 资讯 →