关于论文《仅仅使用 Grep 就够了吗？》（*Is Grep All You Need?*）的 Hacker News 讨论揭示了一场关于在智能体工作流中，简单的字符串匹配与语义搜索孰轻孰重的细致辩论。 批评者认为该论文的标题具有标题党嫌疑，并指出该研究依赖于一个偏向字面检索的基准测试（LongMemEval），这自然对 `grep` 更为有利。另一些人则强调，虽然 `grep` 出奇地有效（部分原因是开发者被“社会工程化”地训练去编写整洁、易于搜索的代码），但它缺乏 LSP、tree-sitter 或向量数据库等语义工具的深度。 社区的主要观点包括： * **工具上下文至关重要：** 在编程相关的智能体中，`grep` 的表现往往优于语义搜索，因为模型在 `grep` 上经过了大量训练，而语义搜索则需要更复杂、往往不一致的引导。 * **混合方案是赢家：** 许多用户提倡一种“博采众长”的方法，即将用于精确匹配的 `grep` 与用于概念检索的混合搜索（BM25 + 向量）相结合。 * **“Grep”偏见：** 大语言模型在强化学习的驱动下表现出对 `grep` 的强烈偏好，有时如果不特别指示，它们会忽略更高级的工具。 归根结底，共识是：`grep` 在特定任务中是一个强大的工具，但对于构建健壮的智能体系统而言，它几乎不可能是“你所需要的全部”。