使用的工具类型

主要使用两类工具：

1. 语义搜索（Semantic Search）- codebase_search

• 工具：codebase_search

• 原理：基于语义理解，而非关键词匹配

• 特点：能理解代码意图和上下文

1. 文本搜索（Text Search）- grep

• 工具：grep（基于 ripgrep）

• 原理：精确的字符串/正则匹配

• 特点：快速、精确，但需要知道具体关键词

语义搜索的底层原理

2.1 向量化（Embedding）

 你的问题："企业规则检索合思知识库"
     ↓
 向量化模型（类似你之前问的RAG）
     ↓
 查询向量：[0.12, -0.45, 0.78, ..., 0.23]

代码库中的每个代码片段也会被向量化：

 代码片段1："retrieveKnowledge 检索行业知识库"
     ↓
 向量：[0.15, -0.42, 0.81, ..., 0.19]
 ​
 代码片段2："RuleOptimizationClient 规则调优"
     ↓
 向量：[0.11, -0.48, 0.75, ..., 0.25]

2.2 相似度计算

 查询向量 vs 代码向量1 → 余弦相似度：0.92 ⭐⭐⭐⭐⭐
 查询向量 vs 代码向量2 → 余弦相似度：0.85 ⭐⭐⭐⭐
 查询向量 vs 代码向量3 → 余弦相似度：0.45 ⭐

2.3 索引结构（类似 HNSW）

代码库会被预先索引：

 1. 代码解析：提取函数、类、注释、变量名等
 2. 向量化：每个代码块生成向量
 3. 建立索引：使用类似HNSW的索引结构
 4. 存储：向量和代码位置的映射关系

检索时：

 你的查询
     ↓
 向量化
     ↓
 通过索引快速定位（类似HNSW，不遍历所有代码）
     ↓
 返回Top-K最相关的代码片段

实际工作流程

当你问："企业规则检索合思知识库"时：

步骤1：语义理解

 你的问题语义：
 - 核心概念：企业规则、检索、知识库
 - 业务场景：规则调优、知识检索
 - 技术关键词：retrieve、knowledge、rule

步骤2：向量检索

 查询向量：[0.12, -0.45, 0.78, ...]
     ↓
 索引检索（类似HNSW，只访问部分代码）
     ↓
 找到Top-K候选：
 1. ApprovalMcpServer.retrieveKnowledge() - 相似度0.95
 2. RuleJobService.getKnowledgeFromCache() - 相似度0.88
 3. PromptUtils.getRetrieveKnowledgePrompt() - 相似度0.82

步骤3：结果排序和返回

 按相似度排序，返回最相关的代码位置：
 - ApprovalMcpServer.java:338 (retrieveKnowledge方法)
 - RuleJobService.java:190 (storeKnowledgeToCache方法)
 - PromptUtils.java:130 (RETRIEVE_KNOWLEDGE_PROMPT)

与传统搜索区别

传统文本搜索（grep）

 查询："retrieveKnowledge"
     ↓
 精确匹配包含"retrieveKnowledge"的行
     ↓
 结果：
 - ApprovalMcpServer.java:338: public JsonNode retrieveKnowledge(...)
 - RuleJobService.java:200: Object knowledge = getKnowledgeFromCache(...)  ❌ 不匹配

语义搜索（codebase_search）

 查询："企业规则检索合思知识库"
     ↓
 理解语义：规则、检索、知识库
     ↓
 找到语义相关的代码：
 - retrieveKnowledge() ✅ 语义匹配
 - getKnowledgeFromCache() ✅ 语义匹配
 - storeKnowledgeToCache() ✅ 语义匹配
 - RuleOptimizationClient ✅ 语义匹配

索引构建过程

代码库索引的构建（后台自动完成）：

 1. 代码解析阶段：
    ├─ 提取类名、方法名、变量名
    ├─ 提取注释和文档
    ├─ 提取代码结构（if/for/while等）
    └─ 提取导入和依赖关系
 2. 向量化阶段：
    ├─ 使用代码专用的Embedding模型
    ├─ 考虑代码的语法结构
    ├─ 考虑变量名和函数名的语义
    └─ 考虑注释和文档的语义
 3. 索引构建阶段：
    ├─ 建立向量索引（类似HNSW）
    ├─ 建立代码位置映射
    ├─ 建立文件路径索引
    └─ 建立代码块边界信息
 4. 存储阶段：
    └─ 向量 + 元数据（文件路径、行号、代码类型）

为什么能准确找到？

1. 多维度匹配你的问题："企业规则检索合思知识库" ↓匹配维度：├─ 关键词匹配：规则、检索、知识库├─ 语义匹配：retrieve、knowledge、rule├─ 上下文匹配：规则调优、知识检索└─ 业务场景匹配：企业规则、行业知识

2. 代码理解能力代码片段："retrieveKnowledge 从Redis获取原始规则列表，检索行业知识库" ↓理解到的信息：├─ 功能：检索知识├─ 输入：原始规则列表├─ 数据源：行业知识库├─ 存储：Redis└─ 业务：规则调优

3. 上下文关联找到 retrieveKnowledge 后： ↓自动关联：├─ 调用者：RuleOptimizationClient├─ 依赖：RuleJobService├─ 配置：PromptUtils└─ 相关工具：optimizeRules

实际案例对比

场景：查找"规则调优相关的代码"

传统grep方式：

 grep -r "规则调优" .
 # 结果：可能找到0个（如果代码里没有这个中文词）
 # 或者需要知道英文关键词：rule optimization

语义搜索方式：

 codebase_search("规则调优相关的代码")
 # 结果：
 # 1. RuleOptimizationClient.java ✅
 # 2. RuleJobService.java ✅  
 # 3. ApprovalMcpServer.retrieveKnowledge() ✅
 # 4. PromptUtils.getRetrieveKnowledgePrompt() ✅
 # 即使代码里没有"规则调优"这个词，也能找到！