Grep 是一种基于正则表达式的文本检索工具，也是编码智能体在沙盒中读取代码与文档时最常用的底层搜索手段。过去它只是开发者的命令行工具，如今正被重新放到 AI 智能体架构的核心位置：当模型需要在海量文件中定位信息时，grep 式的精确检索往往比向量语义搜索更省 token、也更可靠。
Grep 在智能体中的近期进展
当前焦点与观察点
围绕 grep 的讨论核心，是检索方式与 token 成本的权衡。Garry Tan 指出实验室出的编程工具倾向烧 token，而创业公司的工具更省；微软研究也发现编码代理在代码理解上容易出错——两者共同指向一个判断：让智能体先用 grep 精确定位、再读少量上下文，可能比把大段内容塞进上下文窗口更有效。
值得关注的观察点有三个：一是混合检索层（如 zg 这类工具）能否成为智能体文件系统的事实标准；二是 Deep Agents 集成 MongoDB 虚拟文件系统、Uber 用网关把数千个内部 API 转 MCP 工具等实践，说明检索与工具层的边界正在融合；三是 grep 的准确率优势目前多来自厂商自测，在更多真实任务上的可复现性仍待验证。对开发者而言，grep 已从单一工具变成智能体检索策略中的一个选项，如何与语义搜索分工，是接下来工程落地的重点。