Semble：面向AI代理的代码搜索库，比grep少用98%的token，纯CPU运行

AI编程代理（如Claude Code、Codex CLI等）在处理大型代码库时面临一个共同问题：为了找到相关代码，需要先用grep搜索、再用read读取文件，这个过程消耗大量token，既慢又贵。MinishLab团队开源的Semble项目，用一种全新的代码搜索方式，将token消耗减少了98%。

Semble是什么？

Semble是一个专为AI代码代理设计的语义代码搜索库。它不是简单的文本匹配工具，而是通过向量嵌入（embedding）技术，让AI代理能够用自然语言描述需求，直接找到最相关的代码片段。

核心优势：

• Token节省98%：传统方式需要grep搜索+read读取，Semble直接返回最相关的代码片段
• 索引速度快200倍：使用优化的向量索引，大型代码库的索引只需几秒
• 纯CPU运行：不需要GPU，任何开发机都能用
• 支持MCP协议：可以无缝集成到支持MCP的AI工具中
• MIT开源：完全免费，可以商用

工作原理

Semble的核心思路是：与其让AI代理逐个文件搜索，不如预先对整个代码库建立语义索引，然后用向量相似度搜索找到最相关的代码。

具体流程：

1. 索引阶段：Semble扫描代码库，将每个函数、类、模块转换为向量表示
2. 查询阶段：AI代理用自然语言描述需求（如”处理用户认证的函数”）
3. 匹配阶段：Semble用向量相似度找到最相关的代码片段
4. 返回阶段：只返回最相关的代码，而不是整个文件

安装和使用

安装非常简单：

pip install semble

基本用法：

from semble import Semble

# 初始化并索引代码库
s = Semble()
s.index("./my-project")

# 搜索相关代码
results = s.search("如何处理用户登录验证")
for r in results:
    print(f"文件: {r.file}")
    print(f"函数: {r.function}")
    print(f"相关度: {r.score}")
    print(f"代码:
{r.code}
")

与MCP集成

Semble支持MCP（Model Context Protocol）协议，可以直接作为MCP服务器使用。这意味着Claude Code、Cursor等支持MCP的AI工具可以直接调用Semble的代码搜索能力。

配置方式：

# 启动MCP服务器
python -m semble.server --port 3000

然后在AI工具的MCP配置中添加Semble服务器地址即可。

性能对比

在一个中型Python项目（约5万行代码）上的测试数据：

• 传统方式（grep+read）：平均消耗12000 token/查询，耗时2-3秒
• Semble方式：平均消耗200 token/查询，耗时0.1秒
• Token节省：98.3%
• 速度提升：20-30倍

对于频繁进行代码搜索的AI代理来说，这个节省是非常可观的。以Claude API的定价计算，一个典型的编码会话可以节省数美元的token费用。

适合谁？

• AI工具开发者：正在构建AI编程代理的团队，可以直接集成Semble降低token成本
• Claude Code/Cursor用户：通过MCP集成，让AI助手更高效地理解代码库
• 大型代码库维护者：代码量大、文件多的项目，Semble可以帮助快速定位相关代码
• 开源贡献者：需要快速理解陌生代码库时，Semble比grep更高效

简评

Semble解决了一个AI编程工具的实际痛点：token消耗。随着AI代理越来越多地参与代码开发，高效的代码搜索将成为基础设施级别的需求。

纯CPU运行+MIT开源+MCP支持，让它几乎没有接入门槛。如果你正在使用AI编程工具，值得试试。

来源：
GitHub: MinishLab/semble