在 AI Coding 领域，Claude Code 做了一个反直觉的选择：它没有采用主流的 RAG（检索增强生成）方案，而是回归到了 grep、glob 和 read 这类基础 CLI 工具。这背后的核心考量在于代码检索与文档检索的本质差异。
核心矛盾
代码检索和文档检索的根本区别不在技术，而在目标：文档问的是"大概相关的有哪些"，代码问的是"这一行具体在哪"。一个是找相似的，一个是找准确的——这是两条完全不同的路。
RAG 的本质缺陷
RAG 基于向量相似度，它的设计目标就是"找相似的"。但在代码场景，“相似"意味着错误：
- 语义混淆：getUserById 和 getUserByName 向量很近，但调错了就是 Bug
- 语法破坏：代码切片把函数拦腰截断，相似度再高也没用
- 索引滞后：刚改完的代码还没进索引，检索出来的是旧版本
RAG 在帮模型"猜"答案，但代码不能猜，必须准确。
Claude Code 的解法
Claude Code 彻底放弃"相似性检索”，改用精确匹配三件套：
- Grep：正则找一模一样的字符串
- Glob：精确锁定文件路径
- Read：完整读取，不切片、不截断
模型用这些工具自己去找准确的答案，而不是接收一堆"可能相关"的碎片去猜。
本质区别
不是"简单工具 vs 复杂工程"的技术选型，而是**“精确答案 vs 相似答案"的方法论分歧**。RAG 假设"差不多就行”，Claude Code 认为"代码必须准确"。
设计哲学
这不仅是技术选型，更是 Anthropic 对 Agent 设计哲学的押注：相信模型的自主决策能力，而非复杂的工程预设。与其用复杂的工程手段替模型"预判"上下文，不如给模型提供趁手的工具，让它自己犯错、修正并逼近真相。