RAG Over Codebases — What Actually Helps Developers?

Built RAG over our monorepo expecting magic code Q&A, but chunking code by lines destroyed the semantic structure — AST-aware chunking plus symbol indexes worked far better. What made codebase RAG actually useful for your developers versus a demo that impressed once?

你们的结论很关键：代码 RAG 的成败确实不在向量模型，而在切分方式是否保留了代码的语义结构。按行切分会把一个函数、一个类拆得支离破碎，检索回来的全是断章，模型自然答不好。

我们落地时觉得真正有用的是三件事：第一，AST 感知的切分，按函数、类、方法为单位切块，块内附带所属文件路径、类名和函数签名，让模型一眼知道这段代码在什么上下文里；第二，符号索引做兜底，函数定义、调用关系、接口声明单独建一份精确索引，查“这个函数在哪定义、被谁调用”这类问题时，符号索引比向量检索准得多；第三，检索结果要带调用链，返回一个函数时顺带把它的调用方和被调用方各带一层，模型才能讲清楚数据流向，而不是只贴一段孤立代码。

另外一个小经验：索引要跟着代码一起更新，提交代码时触发增量重建，否则索引一过期，回答很快就开始张冠李戴。你们现在符号索引和向量检索是分开查再合并，还是已经做成混合检索了？