工具太多，如何选搜索"代码 AI 工具"能找到几十个产品。本文只关注一个问题：给定一个具体的代码理解任务，哪个工具能完成、哪个完成不了？六个参考工具，按定位分三类：IDE/编辑器集成类（用户在 IDE 里直接用）： Cursor Context VS Code fork，内置代码上下文理解 GitHub Copilot Workspace GitHub 原生，与 PR/Issue 深度集成 企业代码搜索类（独立服务，支持大规模仓库）： sourcegraph / zoekt 企业级代码搜索引擎，支持正则 + 符号 基础设施/底层库类（构建上层方案的基础）： Tree-sitter 多语言 AST 解析库，极快 OpenHands CodeBrowser Agent 驱动的代码探索工具 MCP 协议类（暴露给 AI Agent 的标准化接口）： codebase-memory-mcp 符号 + 语义 + 图检索，MCP 协议五个标准测试任务用统一的任务集评估各工具，避免"在各自擅长的场景里比较"：T1 — 符号定位 任务：给出函数名 parseInput，找到所有调用位置 考察：符号级精确检索能力 T2 — 语义搜索 任务：给出自然语言描述"处理用户认证逻辑的代码"，找相关实现 考察：语义理解和向量检索能力 T3 — 影响分析 任务：修改 UserService.getById() 的返回类型，哪些代码需要同步修改？ 考察：调用图和依赖关系追踪能力 T4 — 架构理解 任务：描述认证模块的整体设计：包含哪些类、各自职责、它们之间的关系 考察：架构级摘要生成能力 T5 — 历史追溯 任务：这段配置解析代码为什么要处理 null 的边界情况，什么时候加的？ 考察：Git 历史知识的检索和理解各工具的能力对比codebase-memory-mcp定位：MCP Server，通过标准协议把代码库知识暴露给 AI Agent。核心能力：符号索引（函数/类定义和引用）语义向量搜索（基于代码 Embedding）图查询（调用关系、依赖关系）五任务能力：任务能力说明T1 符号定位✓✓AST 符号索引，精确匹配T2 语义搜索✓✓向量语义检索，支持自然语言描述T3 影响分析✓✓调用图追踪，找到所有调用方
