一个 3.6 万行、1017 个测试的 Java 支付服务要重构，同一个模型、同样的任务，三种工具配置跑出三种结局：纯 Claude 裸跑，1 小时烧掉 23.54 美元，测试没过；换成 IDE 内置的语言服务，1 小时 28.63 美元，中途放弃；挂上符号级检索工具再跑，45 分钟 27.30 美元，测试全绿（2026年2月实测，Sonnet 4.5）。

这组对照说明的事和直觉相反：搜索工具不是配得越多越好，也不是越智能越好，而是要和任务对得上。同一个语义检索工具，救活了上面的重构，换到快查类任务上成本反贵 4 倍、速度慢 60%；反过来，跨文件重构只靠文本搜索，改漏一处调用点就是事故。

这篇把 AI 编程里的「搜索与检索」整理成三层框架，配一棵按场景提问的决策树和一张速查表，末尾附本站正在用的配置。ripgrep、ast-grep、Serena、Context7 四件的完整档案在本栏目各篇，这里只管怎么选。

「搜索」其实是三件事

AI 编程里的搜索与检索是三件不同的事，混在一起谈就会选错工具：