# 先用确定性搜索

## 元数据

- 书名：Claude Code 源码解析：一份价值数十亿美元的AI工程蓝图
- 作者：花叔
- 章节：08 搜索：为什么grep打败了RAG
- 定位：AI PM / Agent 产品 / AI 工程架构面试
- 优先级：P0
- 标签：search, grep, rag

## 面试问题

为什么代码搜索不一定需要 RAG？

## 30 秒回答

代码库里很多问题是精确符号、路径、字符串和调用关系定位，确定性搜索更快、更便宜、更可解释。RAG 适合语义相似，但不是所有检索问题都需要语义搜索。

## 展开要点

- grep/ripgrep 对符号、错误信息、函数名和配置项非常有效。
- 向量检索会引入切分、索引、召回和过期问题。
- 强模型可以理解确定性搜索结果，不必把检索层做得过重。

## 高频追问

- 什么时候 grep 不够用？
- RAG 的主要工程成本是什么？
- 如何选择检索方案？

## 项目映射

- 面试资料库先用文件名、标题、标签和全文关键字检索，再考虑 embedding。
- 对代码 Agent 优先提供 rg、glob、read 等确定性工具。

## AI PM 迁移

AI PM 要避免 RAG 崇拜，先判断任务是精确查找、语义探索还是混合检索。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文或源码内容。