Подход Cursor к быстрому поиску с помощью регулярных выражений для ИИ-агентов

Решение проблем производительности регулярных выражений в рабочих процессах агентов
Cursor создаёт индексированный поиск по регулярным выражениям специально для ИИ-агентов программирования, решая узкое место, когда традиционные инструменты вроде ripgrep могут тормозить рабочие процессы в больших кодовых базах. Проблема особенно остра в корпоративных монорепозиториях, где вызовы rg часто превышают 15 секунд, нарушая интерактивное руководство ИИ-агентов.
Основная проблема с текущими инструментами
Большинство оболочек ИИ-агентов, включая Cursor, по умолчанию используют ripgrep для поиска по регулярным выражениям. Хотя ripgrep предлагает лучшую производительность, чем классический grep, с разумными настройками игнорирования файлов, у него есть одно фундаментальное ограничение: он должен сканировать содержимое всех файлов. Это становится проблематичным в больших кодовых базах, где разработчикам нужно реальное время взаимодействия с ИИ-агентами.
Индексированный подход на основе классического исследования
Подход с индексацией основан на исследовании, впервые опубликованном в 1993 году Зобелем, Моффатом и Саксом-Дэвисом в работе «Поиск в больших лексиконах частично определённых терминов с использованием сжатых инвертированных файлов». Этот метод использует n-граммы (сегменты строк из n символов) для создания инвертированных индексов, с эвристиками для разложения регулярных выражений на деревья n-грамм, которые можно искать в индексе.
Как работают инвертированные индексы
Инвертированный индекс — это фундаментальная структура данных, лежащая в основе поисковых систем. Документы разбиваются на токены через токенизацию (в данном случае отдельные слова как токены). Эти токены становятся ключами в словаре, где значениями являются списки постингов, идентифицирующие все документы, содержащие каждый токен. При поиске нескольких токенов система загружает их списки постингов и пересекает их, чтобы найти документы, содержащие все указанные термины.
Этот подход аналогичен тому, как традиционные IDE создают синтаксические индексы для операций вроде «Перейти к определению», но нацелен специально на операции поиска по регулярным выражениям, которые выполняют современные ИИ-агенты при поиске текста.
📖 Прочитать полный источник: HN AI Agents
👀 Смотрите также

Agents Elements: панель управления macOS для установок Claude Code и Codex
Нативное SwiftUI-приложение для macOS, которое сканирует ~/.claude и ~/.codex, показывая установленные навыки, подагенты, команды, плагины, MCP-серверы, хуки и статус сессий с информацией об использовании токенов.

Фреймворк с открытым исходным кодом для мультиагентных систем, извлечённый из утечки кода Claude.
Разработчик извлек систему оркестрации мультиагентов из утекшего исходного кода Claude Code и перестроил ее в модель-независимый фреймворк с открытым исходным кодом под лицензией MIT. Фреймворк на TypeScript объемом 8 000 строк включает планирование задач, меж-агентное взаимодействие и встроенные инструменты.

Opendesk: Алгоритм MCP + SOM для управления AI-рабочим столом через Claude Code
Opendesk наделяет AI-агентов глазами и руками на вашем рабочем столе через MCP-сервер с кастомным алгоритмом SOM. Интегрируется с Claude Code или любым агентским фреймворком для управления мышью/клавиатурой, обучения, воспроизведения и планирования.

Контекстиум: Открытый Фреймворк Постоянного Контекста для Claude Code
Contextium — это структурированный фреймворк для git-репозиториев, который обеспечивает постоянный контекст для сессий Claude Code, используя файл CLAUDE.md в качестве маршрутизатора контекста для ленивой загрузки соответствующих markdown-файлов. Открытая версия включает шаблон с 6 примерами приложений и 27 документациями по интеграциям.