代码库索引（Codebase Indexing）：提前把一整个代码仓库切分、解析并编号，让智能体在回答问题时只读该读的那几段，而不是把几十万行代码全塞进上下文。
想象一座没有编目的图书馆。你问「哪本书讲过排队论」，管理员只能从第一排书架开始一本本翻。几十万行代码就是这座图书馆——把全部内容一次性喂给模型，既顶满AI 词典：上下文窗口">上下文窗口，也让它把注意力浪费在无关文件上。索引做的事就是先建目录：每个函数、类、文件各自成条目，标注它叫什么、定义在哪、被谁引用，再附一份「这段大概在讲什么」的向量表示。
解析这一步很关键。索引器通常先把源码变成结构树，再按函数、类这样的完整单元切块，而不是按固定字符数硬切。按字符切会把函数拦腰截断，检索到的片段缺头少尾，模型只能猜。
| 维度 | 词法／符号检索 | 语义检索 |
|---|---|---|
| 擅长 | 精确名字、定义与引用 | 模糊描述、意图相近的代码 |
| 典型问法 | 「X 函数在哪被调用」 | 「鉴权逻辑放在哪」 |
| 弱项 | 不懂同义表达 | 答不了调用关系，容易漏掉改名后的依赖 |
| 更新成本 | 低，重新解析即可 | 高，要重算向量 |
两类检索常一起用，因为它们补的正是对方的短板。实际系统往往再叠一层依赖图，效果更稳。
索引更新卡在哪。 代码每天都在动。改一个文件，要重新处理它，还要顺着导入和调用关系，把受影响的下游条目一并失效。只按文件判断「谁过期了」常常太粗——改了函数签名，另一个文件里的调用点已经错了，但那个文件本身没变。再加上分支切换、本地未提交的改动、索引落后于最新提交，过期索引会让模型对着早已不存在的代码一本正经地分析。
语义检索卡在哪。 向量相似度解决的是「像不像」，不是「连不连」。依赖注入、反射、字符串拼出来的调用，静态解析根本看不见，自然也不会进索引。「这个函数被谁调用」本质是图上的遍历，交给向量搜索只会得到一堆看着相关的片段。查询本身也难：一句「登录流程怎么走」，未必比得上一个准确的符号名。
对从业者，这意味着索引质量往往决定智能体的上限：命名清楚、一个文件只做一件事、依赖写得显式，检索就更容易命中。对普通人，这就是「先建地图再导航」的老道理——地图再全也只是地图，系统真正的设计意图，还得靠人读懂。