Augment Code 主张上下文引擎是 AI 编程“缰绳”设计的关键差异化因素

据 Ars Technica 报道，Augment Code 的工程副总裁 Vinay Perneti 阐述了该公司与 Anthropic Claude Code 在 AI 编程“缰绳”（即管理模型使用的软件）设计上的不同立场。Augment Code 押注于语义检索路径：为大型代码库预索引，使用嵌入和检索模型对以及向量数据库，在亚毫秒内获取概念上相关的代码。Perneti 称，在与 Claude Code 使用相同模型进行的 Terminal-Bench 测试中，Augment Code 在达到相似准确率的同时，token 效率高出 33%。 Perneti 认为，虽然模型智能在快速提升，但上下文不会随模型自动获得，尤其是对于模型从未见过的私有代码库。他公开回应了 Anthropic 关于“未见语义工具带来可测量评估收益”的说法，指出并非所有检索系统都相同，Augment 从 2022 年开始专注于代码检索模型的研究，其上下文引擎与通用 RAG 实现有本质区别。他建议，对于依赖大型私有代码库的开发团队，选择具有内置语义理解能力的编程助手可以显著减少工具探索阶段的 token 消耗，从而降低运营成本。 Perneti 还讨论了 AI 生成代码的技术债务问题，认为虽然代理擅长复制代码，但可通过指定减少债务的规范并让代理执行来解决。对于成本顾虑，他强调应选择适合任务的模型，并预见到未来更简单的编码步骤将由开源模型执行以进一步降低成本。