《AI 时代的学术搜索：别迷信新工具，先把检索基本功练扎实》

这几年，AI 学术工具越来越多。今天一个 RAG，明天一个知识库，后天一个向量数据库。各种 embedding、semantic search、graph retrieval、memory routing，一层叠一层。老实说，我个人不是很喜欢繁琐的东西。为了做学术，还要先搭环境、切文本、建索引、做向量、配数据库、维护知识库。折腾到最后，真正花在研究本身上的时间，反而少了。而且，系统越来越复杂，也未必真的更有效。

一、复杂检索，真的更好吗？

5月14日，Arxiv 上传了一篇很有意思的论文："Is Grep All You Need?"这个标题显然是在模仿当年的"Attention Is All You Need"。文章讨论的是，现在的大语言模型 Agent，在进行搜索时，真的主要依赖向量检索吗？

论文作者指出，很多强大的代码 Agent，真正大量使用的，并不是复杂的 RAG，也不是 embedding retrieval，而是一个很传统的工具：grep。grep 的名字来自 "global regular expression print"，本意是在文本中搜索符合条件的行并输出。它出现在 1973 年左右，已经有半个世纪的历史了。你输入一个词，它就在大量文本里寻找包含这个词的位置。听起来很古老，甚至有些低级。