不久前，我们着手构建我们所能做到的最好的语义代码搜索平台：一个RAG管道，它能为LLM代理提供来自真实仓库的精确、可引用的证据，而不是grep工具可能呈现的任何内容。最终的解决方案是Air Context。我们让它工作起来，投入了生产，并在此过程中积累了大量经验教训。在这一系列文章中，我们将分享我们希望有人第一天就告诉我们的那些部分。
编码代理无疑是我们这个十年软件开发中最大的技术飞跃。然而，随着越来越多的开发过程变得由代理驱动，代理的效率以及所生成代码的质量变得越来越重要。特别是对于大型代码库，代理会花费大量时间搜索与其正在处理的功能相关的代码片段。
为了找到正确的代码片段，代理会求助于传统的代码搜索工具，如关键词搜索和grep。这些工具要求代理事先知道要搜索的确切文本。这就是检索增强生成（RAG）发挥作用的地方。如果我们能够以捕捉代码语义的方式索引源代码，然后允许代理使用自由文本搜索按需检索相关片段，我们就创建了一个能发挥代理优势的接口。
就像代理时代的许多伟大想法一样，一个本地的、原型实现非常简单。一个经过充分评估的生产级解决方案则绝非如此。本系列的第一部分将涵盖管道的初始阶段：解析和分块，即将原始源文件划分为适当范围单元的过程，以及向量化，即将这些单元转换为支持语义搜索的表示形式的过程。
来源: Hacker News · 由HeadlinesBriefing整理摘要