摘要
arXiv:2608.13568v1 公告类型：新论文
编码智能体将大部分上下文预算消耗在检索上。词法检索（grep）通用、即时、零配置，但存在噪声：它无法区分定义、调用与注释。通过语言服务器协议（LSP）进行的语义检索精确且类型化，但需要运行中的、已建立索引的服务器，并为每个符号付出往返开销。
关于语义检索更具词元效率的说法，我们发现其几乎处处被断言，却几乎无处被测量：没有公开来源在任务成功率相等的情况下，单独量化智能体在LSP与词法检索之间的词元差异。
研究设计
本文通过一个指标（成功所需词元数）形式化该问题，设计了一个五臂消融实验以从混杂因素中分离语义检索，将三个预设的失败模式映射到可测量变量，并报告了一项初步研究（涵盖Python和TypeScript代码库；使用Claude Opus 4.8、Sonnet 4.6、Haiku 4.5模型）。
主要发现
答案是条件性的，且通常是负面的。
- 符号命名定位任务：LSP增加词元成本（+6%至+118%），且智能体在免费时也会忽略它。
- 引用完整性任务：LSP带来精度提升，但并未节省词元，且无法提高由智能体彻底性设定的召回上限；它仅对最弱的模型节省词元。
- 工具选择依赖任务类型：模型在定位任务中默认使用grep（语义使用率0-6%），但在引用任务中约半数情况下会主动使用LSP。
编辑任务中的显著差距
在通过真实测试执行评分的编辑任务中，差距最为显著：
grep能完美解决多文件重命名；仅提供位置的LSP因遗漏调用点而失败四分之三；即使完整的、索引预热、文本增强的LSP（将每个引用的行内联，如生产级LSP-MCP服务器所做）能恢复大部分差距，但仍无法完全弥合，因为重命名必须触及语义引用所排除的注释和字符串。
结论
其启示并非“始终使用LSP”，而是一个基于任务类别、模型能力和词法噪声进行自适应的路由器。