Agent 习惯性 grep。Pensieve 说一次搜索顶四十次读文件，微软的论文说这就是问题本身。
Pensieve 是 Ted Haley 做的免费 MIT 协议 Mac 应用，把你的文件、仓库和编程 agent 的会话在本地建索引，通过 MCP 暴露一个搜索：agent 用大白话问一句，拿回最相关的几段带文件和行号，不用把整个磁盘 grep 一遍再读四十个文件。周一在 Hacker News 拿了 117 分。页面上的基准不大但老实：Claude Code 配 Pensieve 在 144 次运行里 131 次找对文件，只用 grep 是 123 次；工具调用少 43%，每次查找成本低 18%；1,000 次搜索里正确文件排第一的比例 67% 对 grep 的 22%。M4 Max 上一次搜索约 80 毫秒。脚本在仓库里。
能看出作者懂 agent 的细节：安装时往 Claude Code、Codex、Gemini CLI 的指令文件里加一段"先搜索再 grep"，再给 Claude Code 装一个 skill 和两个 hook，因为 agent 习惯性 grep，不告诉它优先用什么它就当没看见。装上之后 144 次运行它次次用 Pensieve。全部在 Mac 上跑，唯一的云是你自己选的可选 AI 洞察。
再看解释为什么这不是锦上添花的论文。微软的 Code Understanding is a Bottleneck for Coding Agents 用调用图变换合成了 6,840 个任务，难度在四个轴上可调，跑了八个模型和六个 agent。裸模型的准确率随任务变大往下掉。agent 几乎全对，因为活都甩给了 grep。但读取和分析类工具调用的次数随任务规模上升，而且在 SWE-bench Verified 上，这个工具调用次数比改动行数更能预测 agent 的准确率。作者造了一个理解没法外包的任务，对比两个类之间分叉的逻辑，agent 准确率终于掉下来。agent 的难点在读懂代码，不在改代码。
两件事放一起，形状就清楚了。工具调用不只是成本，它是 agent 不知道该看哪里的症状。Pensieve 在检索层治症状，论文说病根是理解，两边指向同一个产品空位：agent 下面一层既不是模型也不是 grep 的代码理解层。又是 harness。
Pensieve：https://tedhaley.ca/pensieve/
仓库：https://github.com/TedHaley/pensieve
论文：https://arxiv.org/abs/2610.10610
← 返回所有文章
能看出作者懂 agent 的细节：安装时往 Claude Code、Codex、Gemini CLI 的指令文件里加一段"先搜索再 grep"，再给 Claude Code 装一个 skill 和两个 hook，因为 agent 习惯性 grep，不告诉它优先用什么它就当没看见。装上之后 144 次运行它次次用 Pensieve。全部在 Mac 上跑，唯一的云是你自己选的可选 AI 洞察。
再看解释为什么这不是锦上添花的论文。微软的 Code Understanding is a Bottleneck for Coding Agents 用调用图变换合成了 6,840 个任务，难度在四个轴上可调，跑了八个模型和六个 agent。裸模型的准确率随任务变大往下掉。agent 几乎全对，因为活都甩给了 grep。但读取和分析类工具调用的次数随任务规模上升，而且在 SWE-bench Verified 上，这个工具调用次数比改动行数更能预测 agent 的准确率。作者造了一个理解没法外包的任务，对比两个类之间分叉的逻辑，agent 准确率终于掉下来。agent 的难点在读懂代码，不在改代码。
两件事放一起，形状就清楚了。工具调用不只是成本，它是 agent 不知道该看哪里的症状。Pensieve 在检索层治症状，论文说病根是理解，两边指向同一个产品空位：agent 下面一层既不是模型也不是 grep 的代码理解层。又是 harness。
Pensieve：https://tedhaley.ca/pensieve/
仓库：https://github.com/TedHaley/pensieve
论文：https://arxiv.org/abs/2610.10610
评论