Agent 写之前先查同行代码：XERJ 把 503 行改成 4 行，同一份账单从 21.9 美元掉到 3.38

同一个任务，503 行没过，4 行过了

官方给过一个 Java 任务的两种写法。第一种让模型裸写，写了 503 行，烧掉大约 36,000 个输出 token，测试还是没过。第二种先给它一份参考实现，最后只写了 4 行、103 个 token，直接通过。

差别不在模型变聪明了，在于它第二次知道了一条编译器永远不会泄露的运行时契约：replay 之前必须先 seal。这类东西背不出来，试也试不出来，只能查出来。

Agent 写代码最贵的那一步其实不是生成，是瞎猜。遇到没背过的 API，它先写一个大概，跑一次报错，改一轮再跑，每一轮都在烧最贵的 output token，而且烧得毫无信息量。XERJ 的办法很朴素：把同行解决过同类问题的仓库拉下来做成索引，让它在动手之前先查一次真实实现。官方给这个方法起了个名字，叫 reference coding。

更难得的是，官方页面把自己输的那一栏也原样贴出来了。在模型早就背过的公开库上，纯记忆 1.49 美元解出 6/6，上了 XERJ 反而 4.40 美元只解出 5/6。愿意贴出这一栏，比喊 40 倍更值得信。

XERJ 是个啥：一句命令把文件夹变成能查的索引

XERJ 是用 Rust 写的本地 AI 搜索引擎，仓库在 xerj-org/xerj，Apache-2.0，单个静态二进制，没有 JVM 也没有依赖，Linux、macOS、Windows 的 x86-64 和 arm64 都有预编译包，默认跑在 localhost:9200。GitHub 上现在 7,056 星、358 个 fork、86 个 open issue，建库时间是 2026 年 6 月 30 日，最近一次 push 在 10 月 16 日，官网在 xerj.org。

它跟普通全文检索的分岔口在入口端。CSV、JSON、JSONL、XML、YAML、SQLite、PDF、DOCX、PPTX 按页切、XLSX 一个 sheet 一个数据集、EPUB 一章一条、Jupyter 一个标题段一条，再加上 man page、HTML、邮件（.eml 和 mbox，含 Google Takeout 导出）和常见日志格式，都能直接吞进去。

源码那部分走 tree-sitter 做 AST 感知解析，覆盖 13 种语言，带符号和行号，不是当纯文本切块硬塞。Lucene 那个 6,113 文件、51MB 的检出，单线程进程内提取大约每秒 1,500 个文件（13 MB/s），其中 tree-sitter 解析占掉约 72%。带符号和行号这件事很关键，后面 xerj def 能做到 go-to-definition 全靠它。

装起来，几条命令就够了

安装就一行命令，起服务、接 IDE、建索引、查、看收益各一行。Windows PowerShell 换成 irm https://xerj.org/get.ps1 | iex 就行，xerj init 会把 MCP 和 skill 一起接进 Claude Code 与 Cursor。

curl -fsSL https://xerj.org/get | sh
xerj --insecure --data-dir ./data &
xerj init
xerj autoindex ~/my-project
xerj search "how do we rotate the WAL segment"
xerj def "euler_to_rotationmatrix"
xerj gain

autoindex 的真实输出长这样：

phase A: 593 datasets inferred, 1955 junk/skipped files
phase B: indexing 25329 files with 8 workers
done in 158.1s, 593 datasets, 83103 records live, 790 junk records

索引就落在你自己指定的 data 目录里，不是某个托管服务。重跑是增量的，内容字节没变的文件直接跳过解析，通常九成以上没变。xerj search 返回的是带 file:line 的排序片段，xerj def 直接给符号签名和位置，xerj gain 告诉你它到底替你做了什么，是数出来的，不是估出来的。

reference coding 三步：克隆，索引，检索

官方原文就是 Clone、Index、Retrieve 三个词。

第一步，git clone --depth 1 把参考仓库拉下来，按问题域分组，不要按语言分。你要解决的是流式任务的优雅退出，那堆在一起的就是 tokio、某个 RPC 框架和公司内部的调度器，它们凑巧都是 Rust 而已。按语言分没意义，你要找的是谁解决过这个协议问题，不是谁用的语法跟你一样。顺手记下每个仓库的 licence，GPL 和 AGPL 的只读设计不抄代码。

第二步，xerj autoindex ref/tokio，官方说 10 万条记录的树大约 10 秒。

第三步，写之前先查：

curl -sXPOST 'localhost:9200/ax-*/_search' -H 'content-type: application/json' \
  -d '{"size":3,"query":{"multi_match":{"query":"graceful shutdown with a broadcast channel","fields":["defs^3","body","title"]}}}'

ax-* 会匹配节点上所有数据集，查完记得 GET /_cat/indices 收窄范围。defs、symbols、body、title、language 是 autoindex 给源码写的字段。搜索接口就是 Elasticsearch API，Kibana 和官方 ES 客户端直连不用改一行代码，一致性套件 1366/1369 通过。

MCP 这边更简单，xerj mcp 本身就是一个 stdio server，装好的这个二进制就是服务端，不用再下载任何东西，一共暴露 13 个工具，xerj_search、xerj_semantic_search、xerj_vector_search、xerj_hybrid_search、xerj_memory_store、xerj_memory_recall 都在里面。配置块记得写绝对路径，从桌面图标启动的 MCP 主机不继承 shell 的 PATH。

数据对账：省在哪，也输在哪

先看赢的那组。8 个任务，Python、JS、C、Java 各来一遍，每臂 16 次，数的是真实 claude -p 的输出 token。

比 grep 少 2.7 倍输出 token，比纯记忆少 26 倍，成本便宜 2.1 倍，单个 Java 任务最多差到 278 倍。另一组更极端：13 个为本研究现写的库、5 种语言，把工具全关只靠记忆的话花 21.90 美元却只解出 1 个，原生 Claude Code 靠 grep 是 4.26 美元解出 21 个，XERJ 3.38 美元同样解出 21 个。这批库是专门为本研究现写的，模型脑子里没有，测出来的才是纯检索能力。

再看输的那组。换成模型早就背过的公开库 valkey 和 memcached，跑 6 次：纯记忆 1.49 美元解 6/6，最便宜；原生 9.14 美元解 6/6；XERJ 4.40 美元，只解出 5/6。

官方原话是：价值被记忆门槛卡着，它在私有、内部、小众或者超出训练截止的代码上赢，在模型早就背熟的热门公开库上是中性甚至有害的。

13 个库里的 quill（varint）和 garner（trie）就是故意放进去的送分题，检索在这两题上一分钱不省，官方说这就是把它们放进去的原因。它买的只是信息差那一段，模型已经知道的东西，你再检索一遍只是多付一次钱。

三个数字三种口径，别混着看

• 40x：仓库简介写的是比 grep 少 40 倍 token，README 的实测徽标写的是 2.7 倍。这两个数不是一回事，看实测那个。
• 5x：日常开发约 5 倍这个数来自用户田野反馈文件，项目自己标了那是 testimony，不是受控运行。
• ES 8.13.4：55 胜 26 平 4 负，入库吞吐 1.72 倍，磁盘占用小 1.61 倍。4 场败绩全是同一处，高写入压力下的读 p99，根因是锁，写在仓库里没删。

顺带一个体感数字：WordPress 核心的 PHP 大约 520 万 token，等于 26 个满上下文窗口；官方给的安全审计案例是跨 1,492 个 PHP 文件只花了约 26,000 token。

上之前先知道这几个坑

• --insecure 是信任边界不是形式。它同时关掉 TLS 和 API-key 鉴权，凡是能连到这个端口的调用者都是超级用户，能读能删所有索引，包括每个 /_memory 命名空间。官方设定是一台开发机一个人用，新节点默认只绑 127.0.0.1，明文绑其他网卡会拒绝启动。
• 不加 --insecure 就是鉴权开着，key 在 <data-dir>/admin.key。注意 autoindex 不会自己从 xerj.toml 里捡 key，得传 --api-key 或设 XERJ_API_KEY，否则全部 401。
• 版本还挂着 rc，现在是 v1.0.0-rc.96，2026 年 10 月 16 日发布，没到 1.0 稳定版。生产要用就 pin 版本，先读一遍发行历史。
• 小仓库不值得上。几百个文件的规模，grep 更快，而且没有索引要维护。
• rerank 会把命中文本发到 TypeSafe AI 的服务器，默认关。开了之后在公开 FiQA 上 nDCG@10 从 0.24 升到 0.36，648 次搜索大约 0.64 美元，分数不是校准过的概率。默认 embedder 也是词表重叠的 lexical feature-hashing，不是神经语义理解，神经模式要另外下载约 90MB 模型。
• ES 兼容有边：scroll 是有界快照不是游标，总命中数超窗口直接返回 400 而不是静默截断，大结果集改用 search_after。

什么时候值得上，什么时候别碰

值得上的情况很清楚：代码是内部的、私有的、小众的，或者模型训练截止之后才出现的。在这些地方它省的是真金白银，因为猜错一次的代价本来就高。

别上的情况同样清楚：代码全是热门公开库，模型本来就背得下来，检索只是多绕一圈，还可能像 valkey 那组一样把原本能过的题绕丢。一句判据：先问自己这个库模型背过没有，背过就别绕。

跟 Pi 1.0 把工具藏起来省上下文 比，这是同一个方向的两种做法，一个省的是工具定义的常驻开销，一个省的是猜错之后的返工。挑来源这件事上，Jevcrawl 把 8 万 token 砍到 1873 的思路也一致，别让模型自己选。做代码审查的可以顺手看一眼 Greptile 用图谱索引做代码审查，那边是另一套索引思路。

关注圈圈，持续带你玩转 AI 工具。