没错，最近它出了ima skill，可以接入知识库了，就是有调用次数限制
grep 是精确检索最优，不是语义召回最优；编程 agent 依赖 grep，是因为代码的很多问题有稳定符号和文本锚点。把这个结论外推到记忆、知识库、用户意图召回，就是偷换场景。
就算是 grep，你一样要将 docx、xlsx 这类非普通文本转成 md。所以始终要维护原文档的版本历史，以及分段后的历史
何不试着考虑我全都要，根据实际情况灵活调整呢，混合型全都要版rga可以考虑一下
没有那么一把梭的吧，我比较推荐lightrag
除非结构特别明了，否则一定得维护一个框架的
两种都有才是最好的，RAG执行语义检索，grep执行关键词搜索。cursor走的就是这条路线
关注。我当前也在做内部知识库，没找到有比较简单的系统，单独维护一套RAG或者graphrag开源工具成本真高啊
试试这几个？我也是顺手star的
单次行为么？es 作为后端，前面做语义分析的 agent 可以对关键词，关联词等做多次检索啊。
而且 ES 倒排索引检索速度非常快，远比 grep 快的多，千万篇文档也不过就是秒级。如果真的是做工程化而不仅仅是 vibe code，那还是要引入传统架构的，传统不代表落后，现代的热点 ai 项目工程化实在是太差了点，以 openclaw 这种超火的项目，简直是灾难级别
应该是多方面原因，一方面代码使用 rag召回效果并不好，全是代码，语义召回效果并不好。还有使用向量前先需要生成向量，有一个前置工作。
所以我要做合同审查的话，grep是最稳定精准的检索吗。