使用三元组在 Cursor 中加速 regex 搜索

# 用于加速 AI IDE 中正则搜索的本地三元组索引

在像 Cursor 这样的专注于 AI 的开发环境中，对大型代码库进行正则搜索会成为瓶颈。像 ripgrep 这样的标准工具在单体仓库中每次查询需要多达 15 秒。这对于频繁查询函数、签名或配置的 AI 代理来说至关重要。解决方案是使用本地索引预过滤可能匹配的文件。

这种方法最大限度减少全量扫描：索引提前在用户机器上构建，然后仅对候选文件应用正则搜索。这显著降低了 AI 代理和开发者的延迟，尤其是在代码频繁变更的情况下。

三元组和稀疏 N-Gram 在过滤中的应用

核心方法是三元组：三个字符的序列，用于快速检测潜在匹配。在大型项目中，仅靠三元组不足以应对假阳性，因此我们额外引入：

• 稀疏 N-Gram：用于精确过滤的稀疏字符序列。
• 概率掩码：统计模型，用于减少需要检查的文件数量。

索引本地存储，无需网络请求。代码编辑时，它能快速更新，始终保持最新。对于中高级开发者，这意味着在 AI IDE 中获得可预测的性能。

这种方法的优势：

• 搜索时间从秒级缩短至毫秒级。
• 独立于云服务。
• 可扩展至拥有数百万行代码的单体仓库。
• 索引开销极小。

集成到 AI 代理工作流中

Cursor 中的 AI 代理基于项目上下文生成代码。搜索缓慢会拖慢迭代过程：代理需等待数据才能进行分析或编辑。本地索引通过加速以下环节解决问题：

• 搜索 API 签名。
• 分析配置（例如 package.json 或 Dockerfiles）。
• 查找错误模式或测试。

结果，“查询 — 上下文 — 生成”循环大幅缩短。对于高级专家，这提供了调优空间：可针对项目特性自定义 gram 或掩码。

关键点

• 本地性：用户磁盘上的索引确保零网络延迟和隐私保护。
• 混合过滤：三元组 + 稀疏 N-Gram + 掩码将假阳性降低 80–90%。
• 实时性：代理编辑后的增量更新。
• 性能：类似于 ripgrep 的搜索仅针对 1–5% 的文件，而非 100%。
• 使用场景：非常适合拥有超过 100 万行代码的单体仓库。

未来方向

Cursor 专注于 AI 基础设施，而非仅限于模型。快速正则搜索是以下功能的基石：

• 多模态代理（代码 + 文档 + 问题）。
• 共享代码库的分布式团队。
• 支持离线模式的在线 IDE。

开发者可期待开源索引组件。这将允许通过插件集成到 VS Code 或 JetBrains 中。

— Editorial Team