面试解析：Claude为何不用RAG 面试被问“Claude Code为什么不用RAG”怎么答？这道题表面考选型，实际考Agent工程落地。本期深度解析Anthropic选择Agentic Search的核心原因：代码更需精确匹配而非语义相似，且能避开向量库的维护与安全成本。内附高分回答模板，助你掌握大模型工程直觉！ #大模型面试 #Claude #RAG技术 #Agent开发 #AI编程

面试官突然问你一句，你天天用的Cloud Code背后，为什么不给你的代码库做向量检索？也就是为什么不用RAG？你会怎么回答？很多人会当场愣住，因为外面到处都在讲Embedding、向量库、RAG，结果Anthropic自己做代码工具反而不走这条路。这题一开口就能筛掉一批只会背概念的人。先点赞收藏加关注，我们马上开始，想系统学习Agent开发的同学可以查看橱窗哦。 先搞清楚面试官表面在问什么，真正想考什么。表面看他是在问一个产品选型，为什么不用RAG？RAG叫检索增强生成，大概意思是先把资料切块向量化存起来，提问的时候再按语义相似度，找出最相关的几段喂给模型。但他真正考的不是你会不会解释RAG，而是你有没有把一个Agent真正落到生产环境里，知不知道在代码这个场景下，什么方案更稳定，维护成本更低，也更不容易出安全问题。这考的是工程落地，不是名词解释。 一句话给出总答案，Anthropic早期版本确实尝试过RAG加本地向量库，但很快发现让模型像人一样使用grep这类命令行工具去翻代码，也就是所谓的Agentic Search，主体式检索，效果反而更好，而且更简单，在安全、隐私、时效性和可靠性上，也避开了向量库那一堆麻烦。 那为什么RAG放到代码场景里反而不占便宜？核心就一句话，代码更需要精确引用，而不是语义相似。你要找一个函数名，它存在就是存在，不存在就是不存在。Grep这种精确匹配一下就能定下来，而向量检索的模糊相似度，反而可能捞出一堆看起来相关实际没用的片段，对写代码来说是一种干扰。第二，代码每天都在变。你刚建好的索引，开发者一改文件就可能过期。为了保持新鲜，就得不停切块，重新Embedding，重新同步，这本身就是持续维护负担。第三，建索引等于额外养一套系统，要存储，要同步，要管权限，还要担心代码泄露。因为做Embedding往往意味着源码可能离开本地，直接读文件，这些问题基本都省掉了。 那Agentic Search具体是怎么做的？其实就是把人平时查代码的动作交给模型自己完成，而且按成本从低到高分层执行：先用glob按文件名模式快速列出候选文件，几乎不消耗算力，再用grep、ripgrep这种高速文本搜索工具，按关键词或正则在文件内容里找匹配行，等模型确认相关性以后，才用read把整个文件读进上下文，这一步最贵，模型就这样不断想一下，搜一下，看结果，再缩小范围，一轮一轮逼近目标，和你自己在项目里翻代码的方式非常像。再加上现在上下文窗口已经做到百万Token，前缀缓存又能让重复提示的成本大幅下降，这套迭代式搜索放到大代码库里经济上也能扛住。亚马逊的一篇研究也验证过，单靠关键词搜索加迭代细化就能达到RAG九成以上的效果，而且不用维护向量库。 好的点在于，但面试的时候千万别把它吹成万能，把坑也讲出来才像真的做过。第一个坑是Token容易爆。你在一个React大项目里搜useTest，可能命中几百处，模型要么硬看，要么反复细化，又慢又贵。第二个坑是语义盲区。如果有人把一个函数从createDex重构，改名成别的，grep按旧名字就完全搜不到，而向量检索反而可能靠语义把它找回来。第三是延迟问题。每次工具调用一两秒，跑二十轮就是大半分钟，怎么兜底？一是多关键词三角定位，直接搜名字搜不到就换一组相关词，比如os、session、token中间件，从几个方向夹出目标模块。二是社区也会把语义检索做成MCP插件挂上去，遇到概念级搜索，或者面对超大陌生代码库的时候再补一层。 所以，到2026年更合理的共识，不是二选一，而是Agentic Search做主干，向量检索按需补充，形成混合架构。给你一个可以直接背的面试回答模板，你可以这样说：Cloud Code没有默认用RAG，是因为代码场景更看重精确引用，而不是语义相似，向量索引还会带来时效、同步、安全和维护成本这些工程问题，它采用的是Agentic Search，让模型分层调用glob、grep、读文件，迭代缩小范围，再配合大上下文和前缀缓存，就能跑得又准又省。我也知道它的短板，比如重构改名可能搜不到，热门符号会消耗大量Token，所以生产力一般会用多关键词兜底，并且在需要概念检索的大代码库上补一层语义索引，做成混合方案。这样一答，概念原因、落地短板和兜底方案就全都有了。 嗯，说到底，这道题考的是一个很朴素的工程直觉：能用现成的确定性强的工具解决问题，就不要急着上一套需要长期维护，还可能漏数据的复杂系统，简单可靠、贴近真实文件，往往比看起来更高级的方案更能在生产环境里跑下去。如果你也在准备大模型工程岗，想把这类题目讲到能打动面试官，可以关注我，咱们下期继续拆。