搜索与导航工具 - 代码库精准定位

解析 Claude Code 的搜索导航工具：Glob 文件匹配、Grep 内容搜索，基于 ripgrep 的高性能代码检索，帮助 AI 在百万行代码中精准定位。

两种搜索维度

维度	工具	底层实现	适用场景
按名称找文件	Glob	ripgrep --files + glob 过滤	”找到所有测试文件”、“找 config 开头的文件”
按内容找代码	Grep	ripgrep 正则搜索	”哪里定义了这个函数”、“谁在调用这个 API”

两者共享同一个 ripgrep 引擎，通过不同的参数组合实现不同搜索模式。

ripgrep 的内嵌方式

Claude Code 不依赖系统安装的 ripgrep——它在 src/utils/ripgrep.ts 中实现了三级降级策略：

优先级 1: 系统 ripgrep (USE_BUILTIN_RIPGREP=false)
  → 使用 PATH 中的 rg 二进制
  → 安全考虑：只用命令名 'rg'，不用完整路径，防止 PATH 劫持

优先级 2: 内嵌模式 (bundled/native build)
  → process.execPath 自身，argv0='rg'
  → Bun 将 rg 静态编译进二进制，通过 argv0 分发

优先级 3: vendor 目录 (npm build)
  → vendor/ripgrep/{arch}-{platform}/rg
  → macOS 需要 codesign 签名 + 移除 quarantine xattr

平台适配示例：

vendor/ripgrep/
  ├── x86_64-darwin/rg      # macOS Intel
  ├── arm64-darwin/rg        # macOS Apple Silicon
  ├── x86_64-linux/rg        # Linux Intel
  ├── arm64-linux/rg         # Linux ARM
  └── x86_64-win32/rg.exe    # Windows

macOS 代码签名

vendor 模式下的 rg 二进制需要 ad-hoc 签名才能通过 Gatekeeper（codesignRipgrepIfNecessary()）：

// 首次使用时执行：
// 1. 检查是否已是有效签名
codesign -vv -d <rg-path>
// 2. 如果只是 linker-signed，重新签名
codesign --sign - --force --preserve-metadata=entitlements,requirements,flags,runtime <rg-path>
// 3. 移除隔离属性
xattr -d com.apple.quarantine <rg-path>

搜索结果的设计考量

head_limit 与 Token 预算

大型项目的搜索结果可能有数十万条。默认最多返回 250 条匹配——这不是随意选择，而是token 预算的约束：

• 每条匹配行约 50-100 token
• 250 条 ≈ 12,500-25,000 token
• 这大约占 200k 上下文窗口的 6-12%
• 超过这个比例，AI 的推理质量会下降

Grep 工具的 head_limit 参数让 AI 可以按需调整——搜索小项目时可以用更大的值。

按修改时间排序

Glob 默认把最近修改的文件排在前面。这不是默认的文件系统排序，而是刻意的设计决策：

设计假设：最近修改的文件最可能与当前任务相关
实际效果：AI 优先看到"活"的代码，而不是沉寂的历史文件

在 src/tools/GlobTool/ 中，ripgrep 的输出在返回给 AI 前按 mtime 排序。

ripgrep 的错误处理

ripgrep 执行有专门的错误恢复链（src/utils/ripgrep.ts）：

错误	处理
EAGAIN（资源不足）	自动以单线程模式 -j 1 重试
超时（默认 20s，WSL 60s）	返回已有部分结果，丢弃可能不完整的最后一行
缓冲区溢出	截断到 20MB，返回已收集的结果
SIGTERM 失效	5 秒后升级为 SIGKILL

ToolSearch：在 50+ 工具中发现目标

当可用工具超过 50 个时（含 MCP 提供的外部工具），AI 可能不知道该用哪个。ToolSearch（src/tools/ToolSearchTool/）提供了工具发现机制。

搜索算法

ToolSearch 实现了基于关键词的加权搜索（searchToolsWithKeywords()）：

输入: query = "database connection"
     ↓
1. 精确匹配: 检查是否有工具名完全匹配（快速路径）
2. MCP 前缀匹配: "mcp__postgres" → 匹配所有 postgres 相关工具
3. 关键词拆分: ["database", "connection"]
4. 工具名解析:
   - MCP 工具: "mcp__server__action" → ["server", "action"]
   - 普通工具: "FileEditTool" → ["file", "edit", "tool"]
5. 加权评分:
   - 工具名精确匹配: 10 分（MCP: 12 分）
   - 工具名部分匹配: 5 分（MCP: 6 分）
   - searchHint 匹配: 4 分
   - 描述匹配: 2 分
6. 必选词过滤: "+database" 前缀表示必须包含
7. 按分数排序，返回 top-N

select: 直接选择

AI 也可以用 select:ToolName 精确选择已知工具。这比搜索更快，且支持逗号分隔的批量选择（select:A,B,C）。

延迟加载（Deferred Tools）

不是所有工具都常驻内存。MCP 工具和低频工具被标记为 isDeferredTool，只有在 ToolSearch 选中后才真正加载。这减少了每次 API 调用的 token 开销（工具描述占用大量 token）。

缓存策略

工具描述的获取是 memoized 的——只在延迟工具集合变化时清除缓存：

// 工具名排序后拼接作为缓存 key
function getDeferredToolsCacheKey(deferredTools: Tools): string {
  return deferredTools.map(t => t.name).sort().join(',')
}

Web 搜索与抓取

AI 的信息获取不局限于本地代码：

• WebSearch（src/tools/WebSearchTool/）：调用 Anthropic API 的 web_search_20250305 server tool 搜索互联网
• WebFetch（src/tools/WebFetchTool/）：抓取特定 URL 内容，转换为 Markdown 供 AI 阅读

这让 AI 可以查阅文档、搜索 Stack Overflow、阅读 GitHub issue——和人类开发者的工作方式一致。

WebSearch 实现机制

WebSearch 通过适配器模式支持两种搜索后端，由 src/tools/WebSearchTool/adapters/ 中的工厂函数 createAdapter() 选择：

适配器架构:
  WebSearchTool.call()
    → createAdapter() 选择后端
      ├─ ApiSearchAdapter — Anthropic API 服务端搜索（需官方 API 密钥）
      └─ BingSearchAdapter — 直接抓取 Bing 搜索页面解析（无需 API 密钥）
    → adapter.search(query, options)
    → 转换为统一 SearchResult[] 格式返回

适配器选择逻辑

adapters/index.ts 中的工厂函数按以下优先级选择后端：

优先级	条件	适配器
1	环境变量 WEB_SEARCH_ADAPTER=api	ApiSearchAdapter
2	环境变量 WEB_SEARCH_ADAPTER=bing	BingSearchAdapter
3	API Base URL 指向 Anthropic 官方	ApiSearchAdapter
4	第三方代理 / 非官方端点	BingSearchAdapter

适配器是无状态的，同一会话内缓存复用。

ApiSearchAdapter — API 服务端搜索

将搜索请求委托给 Anthropic API 的 web_search_20250305 server tool：

调用链:
  ApiSearchAdapter.search(query, options)
    → queryModelWithStreaming() 发起独立的 API 调用
      → 携带 extraToolSchemas: [BetaWebSearchTool20250305]
      → API 服务端执行搜索，返回流式事件
        → server_tool_use / web_search_tool_result / text 交替返回
    → extractSearchResults() 从 content blocks 提取 SearchResult[]

特性	实现
模型选择	Feature flag tengu_plum_vx3 控制用 Haiku（强制 tool_choice）还是主模型
搜索上限	每次调用最多 8 次搜索（max_uses: 8）
域过滤	支持 allowedDomains / blockedDomains
进度追踪	流式解析 input_json_delta 提取 query，实时回调 onProgress

BingSearchAdapter — Bing 搜索页面解析

直接抓取 Bing 搜索 HTML 并用正则提取结果，无需 API 密钥：

调用链:
  BingSearchAdapter.search(query, options)
    → axios.get(bing.com/search?q=...)  — 使用浏览器级别 headers 绕过反爬
    → extractBingResults(html)
      → 正则匹配 <li class="b_algo"> 块
      → 提取 <h2><a> 标题和 URL
      → resolveBingUrl() 解码 Bing 重定向链接
      → extractSnippet() 三级降级提取摘要
    → 客户端域过滤 (allowedDomains / blockedDomains)
    → 返回 SearchResult[]

反爬策略：Bing 对非浏览器 UA 返回需要 JS 渲染的空页面。适配器使用完整的 Edge 浏览器请求头（包含 Sec-Ch-Ua、Sec-Fetch-* 等现代浏览器标头）确保获得完整 HTML。同时使用 setmkt=en-US 参数统一市场定位，避免 Bing 基于用户 IP 做区域化定向（如跳转到德语/新加坡市场导致结果不相关）。

URL 解码：Bing 搜索结果中的 URL 为重定向格式（bing.com/ck/a?...&u=a1aHR0cHM6Ly9...），resolveBingUrl() 从 u 参数中 base64 解码出真实目标 URL（a1 前缀 = https，a0 = http）。

摘要提取（extractSnippet()）按优先级尝试三个来源：

1. <p class="b_lineclamp..."> — 带行截断的摘要段落
2. <div class="b_caption"> 内的 <p> — 普通摘要段落
3. <div class="b_caption"> 的直接文本内容 — 兜底方案

特性	实现
超时	30 秒（FETCH_TIMEOUT_MS）
域过滤	支持 allowedDomains / blockedDomains，含子域名匹配
进度追踪	发送 query_update 和 search_results_received 回调
中止支持	外部 AbortSignal 传播到 axios 请求

WebSearchTool 统一接口

WebSearchTool（src/tools/WebSearchTool/WebSearchTool.ts）是面向主循环的工具定义，所有 provider 均可使用（isEnabled() 始终返回 true）。它将适配器返回的 SearchResult[] 转换为内部 Output 格式，mapToolResultToToolResultBlockParam 将搜索结果格式化为带 markdown 超链接的文本，并附加 “REMINDER” 要求主模型在回复中包含 Sources。

WebFetch 实现机制

WebFetch 是一个完整的 HTTP 客户端 + 内容处理管线：

调用链:
  WebFetchTool.call({ url, prompt })
    → getURLMarkdownContent(url)
      → validateURL() — 长度≤2000、无用户名密码、公网域名
      → URL_CACHE 命中检查（15 分钟 TTL LRU，50MB 上限）
      → checkDomainBlocklist() — 调用 api.anthropic.com/api/web/domain_info 预检
      → getWithPermittedRedirects() — axios 请求，自定义重定向处理
        → HTML → Turndown 转 Markdown（懒加载单例，~1.4MB）
        → 非 HTML → 原始文本
        → 二进制（PDF 等）→ persistBinaryContent() 保存到磁盘
    → applyPromptToMarkdown()
      → 截断到 100K 字符
      → queryHaiku() 用小模型按 prompt 提取信息
    → 返回处理后的结果

安全防护多层设计：

层级	机制	说明
域名预检	checkDomainBlocklist()	调用 api.anthropic.com/api/web/domain_info?domain=…，5 分钟缓存
重定向控制	isPermittedRedirect()	仅允许同 host（±www）重定向，跨域重定向返回提示让 AI 重新调用
重定向深度	MAX_REDIRECTS = 10	防止重定向循环无限挂起
内容大小	MAX_HTTP_CONTENT_LENGTH = 10MB	单次响应上限
请求超时	FETCH_TIMEOUT_MS = 60s	主请求超时；域名预检 10s
URL 验证	validateURL()	长度、协议、用户名密码、公网域名检查
egress 检测	X-Proxy-Error: blocked-by-allowlist	检测企业代理拦截

预批准域名（src/tools/WebFetchTool/preapproved.ts）：

用户无需手动授权即可抓取的域名列表，包含 ~90 个主流技术文档站点（MDN、Python docs、React docs、AWS docs 等）。列表分为 hostname-only 和 path-prefix 两类，查找复杂度 O(1)。

对预批准域名，WebFetch 跳过 Haiku 摘要步骤（如果内容是 Markdown 且 < 100K 字符），直接返回原文——因为技术文档本身的结构化程度已经足够好。

权限模型方面，WebFetch 按 hostname 生成 domain:xxx 规则匹配用户的 allow/deny/ask 规则，支持用户对特定域名配置永久允许或拒绝。

ripgrep 的流式输出

对于交互式场景（如 QuickOpen），ripgrep 支持流式输出（ripGrepStream()）：

rg --files → 逐 chunk 到达 → 按行分割 → onLines(lines) 回调

不需要等 ripgrep 完成整个搜索——第一批结果在 rg 仍在遍历目录树时就已展示。调用者可以通过 AbortSignal 提前终止搜索（例如找到足够多的结果后）。