1. 更便宜的是 grep/rg ，当前没有一个 coding agent 用 embedding 就是这个原因
2. 我的方案 2KB per token ，是比 embedding 大，但我觉得 index size 不是问题，recall/precision 才是
3. 没有用 rope 外推的方案实现 10M 的 search

稍微偏题一下，我是觉得用 embedding 来做检索像是走了岔路，这都是在 LLM 不成熟的时候发展起来的
很早之前，我就发现 LLM 能做 in-context learning ，其实本质上就是在 context 内做检索，那 attention 能否直接来做检索呢？
所以我试了一下，用 qwen-3.5 的 0.8B/2B/4B/9B 模型，直接把文本做 KV, 来了 query 后用 attention 来做检索，效果很好，LoCoMo 和 LongMemEval 的测试都是 SOTA ，在代码搜索上，也在一个 semble benchmark 上 SOTA 了，对 10M context 上搜索效果也很好（ qwen 3.5 原生 256K context ），并且用 swe-qa benchmark 做了测试，有了搜索后，在 CC 上 token 使用量下降 50%左右
当然代价就是空间和性能，其实主要是 index,也就是生成 KV 的时间较长，search 其实还好，不需要 decode,只需要在原始 KV 上 prefill 一下 query 就行，有 GPU 加速很快

有没有 benchmark, 能够证明这种方法的优势呢？

@verrickt AI 认为 AOE 是前期的一个关键能力，所以都会拿一两张 AOE 的卡

@Faintlike 研究了一下 Neuro-sama ，看来还是需要一个公司来运营，不适合独立开发者

另外想到，以后会不会有很多 agent 打游戏的直播？