Claude Code 实测翻车：语义代码搜索，真的比 grep 更聪明吗

很多人以为“语义搜索”是写代码的终极形态，但这场基准测试给了所有人一记冷水：Claude Code 默认不用语义搜索，反而效果更稳。TurboPuffer 的 Kuba 用真实数据对比了语义检索与 agentic 搜索，结论远比你想象复杂。

最反直觉的真相：Claude Code 故意不用语义搜索

如果你默认认为“向量数据库 + 语义搜索 = 更聪明的代码助手”，那这场分享一开始就会让你愣住。Kuba 直接点破：Claude Code 默认并不使用语义代码搜索。

更扎心的是，这不是技术做不到，而是“试过之后放弃了”。Claude Code 的早期版本，曾经用过本地向量数据库做 semantic code search。这个决定，来自 Claude Code 的核心人物 Boris 本人——但后来他们发现，一种更“土”的方式反而更好用：agentic search。

所谓 agentic search，说白了就是让模型像人一样在代码仓库里翻文件、grep、顺着依赖关系找答案。没有 embedding、没有向量召回，看起来很原始，却在真实使用中更稳定、更可控。

这直接挑战了一个行业共识：不是所有“理解语义”的问题，都该用向量来解。

但 Cursor 为什么还在用？语义搜索并没有被判死刑

故事并没有走向“语义搜索已死”这么简单。Kuba 随口提到一个关键信息：TurboPuffer 的第一批客户之一，就是 Cursor。

Cursor 做了什么？他们确实把整个代码库做了语义索引，并且在实际产品中使用 semantic code search。这说明问题不在“语义搜索有没有用”，而在什么时候、怎么用。

Kuba 在分享中反复强调一个点：在 TurboPuffer 看来，语义搜索更像是一个“长期投资”。

• 短期看：构建索引、维护 embedding、调参，成本不低
• 长期看：当代码规模变大、上下文变复杂，语义层的价值会逐渐显现

这也是为什么你会看到一种分化：Claude Code 选择了即时效果最稳的 agentic 搜索，而 Cursor 更愿意为未来的可扩展性买单。两种选择都理性，只是赌的时间线不同。

他们到底怎么测的？一个“很工程”的 Benchmark

为了避免嘴炮，TurboPuffer 团队做了一件很工程师的事：他们直接写了一个 CLI 工具，专门用来 benchmark Claude Code 在不同检索策略下的表现。

评估方式也很朴素，没有花哨指标，核心就两个：

• Precision：找出来的文件里，有多少是真的有用的
• Recall：所有“该找的文件”，你到底找回来了多少

结果非常耐人寻味。

在某些任务上，加入语义搜索后，precision 看起来不错——返回的文件“语义上很像”。但一拉到 recall，问题就来了：关键文件没被找全，甚至被漏掉。

Kuba 的潜台词其实很清楚：在代码场景里，‘找错’和‘没找全’，往往比‘找慢一点’更致命。这也是 agentic 搜索看似笨，却在真实开发中更可靠的原因。

真正的分水岭：语义理解 vs 可控性

整场分享的高潮，并不是某个数字，而是一个隐含判断：

在代码检索里，最大的问题不是“模型够不够聪明”，而是“系统是否可控”。

语义搜索的问题在于：
- embedding 是黑盒
- 相似度阈值很难解释
- 出错时，你不知道是“模型理解错了”，还是“向量空间歪了”

而 agentic search 的每一步——打开了哪个文件、grep 了什么关键词、顺着哪条调用链走——都是可解释的。

这也解释了为什么 Claude Code 会在默认路径上选择后者：对一个要被大量开发者信任的工具来说，可预测性比“看起来更智能”重要得多。

总结

这场 Benchmark 最重要的价值，不是告诉你“要不要用语义搜索”，而是提醒你：工具选择背后，永远是取舍。如果你在做 AI 编程工具，别急着上向量数据库，先想清楚失败时你能不能 debug；如果你是使用者，也别迷信“语义理解”这四个字，稳定、可解释，往往才是生产力的底层。

一个值得带走的判断是：短期内，agentic search 仍然会是主流；但在代码规模、上下文复杂度持续上升的前提下，语义搜索不会消失，只会更“克制”地出现。问题留给你：你的产品，赌的是哪条时间线？

关键词： 语义代码搜索， Claude Code， 向量数据库， Agentic Search， Cursor

事实核查备注： 1. Claude Code 默认不使用语义代码搜索的说法及 Boris 的相关推文
2. TurboPuffer 早期客户包含 Cursor 的表述
3. Benchmark 使用的核心指标为 precision 与 recall（未给出具体数值）
4. CLI 工具用于对比不同检索策略的描述