语义代码检索 · 第 8 章 生态横评

语义代码检索 · 第 8 章 生态横评

章节摘要：自己造过一遍管线，才有资格横评业界——这不是功能表罗列，而是"认押注点"：每个产品都在第 0.1 节那条五环节管线（切分→嵌入→索引→混合→重排）上做了不同的成本分配。8.1 拆 Sourcegraph 与 Zoekt：意图级语义检索（用户直接说"想做什么"）叠在 Zoekt 之上——后者是源自 Google 三元组思路的开源文本索引引擎，把文本切成重叠三字符组建倒排索引，保真 grep 式精确匹配但快几个数量级；"语义召回、字面验证"的分工正是第 5 章混合检索的产品形态。8.2 拆 Greptile 与 Copilot 即时索引：Greptile 押注符号感知 chunk（tree-sitter，第 3 章论点的产品印证）与面向 agentic coding 的 API（第 6.3 章的印证）；Copilot 押注新鲜度——2025-03 宣布即时语义索引 GA，新仓库索引从分钟级压到秒级（GitHub 官方博客自报），是 4.3 节优先级/分片/增量思想在平台级的兑现。8.3 给自建与采购的决策表：数据边界、定制深度、规模延迟、维护预算四轴，三条路线（全自建/开源拼装/采购 SaaS）各自的账本与隐性成本。全章数字均标注属性，产品行为以官方文档为准。

学习目标

阅读完本章，你应当能够：

1. 说出 Zoekt 三元组索引的原理与它保真 grep 语义的方式；
2. 解释"语义召回、字面验证"分工与第 5 章混合检索的同构关系；
3. 用"押注点"框架对比 Greptile 与 Copilot 在 chunk 质量与索引新鲜度上的不同下注；
4. 沿四轴为给定团队在自建/拼装/采购之间做决策；
5. 说出自建路线最大的隐性成本（评测与回归，第 9 章的主题）。

核心概念速览

（文字流程图）
P ──▶ Greptile·符号感知 chunk + agentic API
P ──▶ Copilot 即时索引·秒级新鲜度 2025-03 GA
Copilot 即时索引·秒级新鲜度 2025-03 GA ──▶ "8.3 决策表·自建 / 开源拼装 / 采购"
​

一句话金句：看懂一个检索产品，就是认出它把成本押注在管线的哪一段。

子章节导航

8.1 Sourcegraph 与 Zoekt

意图级语义检索的形态；Zoekt 三元组原理（为何不是词元而是 trigram）；语义召回与字面验证的分工；自建视角的启示对照表。

8.2 Greptile 与 Copilot 即时索引

Greptile 的两个押注（符号感知 chunk、agentic API）；Copilot 即时索引的新鲜度工程；押注点对照表与横评视角。

8.3 自建与采购的决策表

四条决策轴（数据边界/定制深度/规模延迟/维护预算）；三条路线的账本；TCO 草图与混合终态。

本章你将动手完成（跟做清单）：

• 用 trigram 手算一个小文件的倒排表（8.1）；
• 给第 7 章的 codeqa 沿四轴打分定位（8.3）；
• 为自己的团队写一版三路线决策草稿并找人挑战它。

子章节之间的逻辑关系

8.1 Sourcegraph 与 Zoekt（拆"组合"：语义层与精确层分体——第 5 章的产业形态）
   │
   ▼
8.2 Greptile 与 Copilot（拆"押注"：chunk 质量与索引新鲜度——第 3/4 章的产品印证）
   │
   ▼
8.3 决策表（算总账：四轴三路线——把前两节的观察变成自己团队的决策）
   │
   └──► 无论走哪条路，评测与回归都省不掉 → 第 9 章：给检索质量装仪表盘
​

前置知识与后续延伸

前置知识：第 7 章的 codeqa（横评的参照系——"我自己造过，知道每段的成本"）；1.3 节（Sourcegraph/Greptile 的首次介绍）；4.3 节（Copilot 即时索引背后的规模化思想）。本章产品描述基于撰写时点（2026-09）的公开材料与官方博客，数字已标注属性，以当下官方信息为准。

为后续奠定基础：8.3 的决策表把读者送回自己的工程现场——选了自建或拼装，下一步就是第 9 章的评测仪表盘（采购路线同样逃不掉：验收 SaaS 的效果也要评测集）。