# Semble：给 AI 编程助手用的代码搜索工具，比 grep 省 98% 的 token

> 原标题：Show HN: Semble – Code search for agents that uses 98% fewer tokens than grep

- 来源：Hacker News 首页
- 发布时间：2026-05-17T15:37:07.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/21940
- 原文：https://github.com/MinishLab/semble

## 摘要

MinishLab 开源了 Semble，一个专为 AI 编程 agent 设计的代码搜索工具。它把轻量级语义嵌入（Model2Vec）、传统关键词匹配（BM25）和融合排序（RRF）串在一起，最后再用重排序模型精排结果。在 63 个代码仓库的测试里，它的搜索质量达到 NDCG@10 0.854，每次查询在 CPU 上大约只要 1.5 毫秒。最直接的好...

## 推荐理由

Semble 的卖点很直接：给代码 agent 用的搜索工具，比 grep 加 read 少花 98% 的 token，CPU 上跑一次大概 1.5 毫秒。这个数字我会先打个折，因为基准测试里的 grep 用法可能不是最优的，但方向是对的——用传统检索加轻量重排来替代把整个代码库塞进上下文，确实能省不少钱和延迟。正文没披露重排模型的具体大小和准确率对比，这点先别太激动。整体还是工具链层面的改进，影响力到不了必须写的地步，但对做 coding agent 的人来说值得一试。

## 锐评

Semble 把语义嵌入、传统关键词匹配和重排序模型串成一条流水线，专门解决 AI 编程 agent 在代码库里找东西时 token 消耗太大的问题。在 63 个代码仓库的测试里，搜索质量 NDCG@10 到了 0.854，每次查询在 CPU 上大约 1.5 毫秒，比直接用 grep 再读文件省了 98% 的 token。这个数字如果稳定，对按 token 计费的场景确实能省一笔钱。

不过要注意，正文只给了 63 个仓库的基准测试结果，没说明这些仓库的规模、语言分布，也没和别的语义搜索方案做横向对比。0.854 的 NDCG 看起来不错，但不知道在超大单体仓库或者跨语言项目里会不会掉。另外，工具本身是开源的，但重排序模型的具体选型和训练细节正文没展开，想复现或者调优的话还得自己翻代码。

整体看，思路很实用——用轻量方案在本地 CPU 上快速筛一遍，再交给重排序模型精排，避免了每次搜索都烧大模型的 token。缺的是更大规模、更多场景的验证，以及和其他同类工具的对比数据。