Reference

一句话定位

给 coding agent 用的本地语义搜索：把你的代码和文件索引在机器上， agent 通过 MCP server 直接查，结果精确到具体函数，全程不联网。

做这个东西的人

独立开发者 Rahul Thennarasu，自述为 NASA JPL 软件工程实习生、即将入职 fab2。 他在 发布平台 的创始人自述里说得很直白：每次开新的 Claude Code 会话都要烧掉大量 token 和上下文， 于是自己做了这个工具。

判断：这是典型的"狗粮型"产品——作者是被自己的开发工作流咬过才动手的， 所以对"agent 找代码到底卡在哪"有第一手体感。独立开发者做开发工具， 动机通常比公司立项更真实，但也意味着维护资源和分发渠道都有限。

它到底能做哪几件事

• 本地语义索引 → 在本机跑轻量嵌入模型，索引文件和代码，什么都不上传
• 实时自动重索引 → 文件一保存索引就更新，搜索结果跟着正在写的代码走
• 代码感知分块 → 用 tree-sitter 按函数和语法单元切块，结果能引用到具体代码区域，而不是整篇文章
• 内置 MCP server → 暴露 /search、/explain、/find_similar、/check_doc_drift 四个端点， Claude Code 等 agent 可以直接查，不用烧 token 跑 grep 循环
• 带出处的回答 → 每个结果都指回文件和函数，替代"AI 泛泛而谈"
• 文档漂移检查 → /check_doc_drift 标记文档和代码脱节的地方

形态：Mac 桌面应用（Tauri 构建），GitHub 开源，launch 期间免费。

它在替代什么旧行为

以前 coding agent 找代码靠两件事：一是 grep / ripgrep 循环——agent 反复搜索、读文件、 猜位置，一个简单的"上次怎么实现的限流"可能要烧掉几千 token 和多轮工具调用； 二是人肉回忆——开发者自己翻历史对话、翻旧项目，凭记忆找"我当时是怎么写的"。

这两件事的共同点是贵：token 贵、时间贵、而且答案不一定可靠。 Reference 替代的是"让 agent 自己 grep 自己猜"这个低效环节， 把检索变成一个本地的、有引用的、一次查询就能定位到函数层级的外挂记忆。

商业模式

未披露。 开源，launch 期间免费，没有定价页，没有云端服务。

判断：这类"本地检索 + MCP server"工具典型的变现路径是之后加云功能—— 多机器同步索引、团队共享、离线嵌入模型的性能升级。但开源 + 免费的大环境下， 开发者工具的付费意愿通常很低，能否走到付费层存疑。

硬数字

• 发布平台 launch（2026-08-05），第一周 75 票
• GitHub 开源，star 数未核实到确切数字；团队规模、用户数、收入：未披露
• 功能面：本地嵌入模型 + tree-sitter 分块 + MCP server 四个端点
• 平台：macOS 桌面应用（Tauri）

四维评估

判断

这是一个方向正确的"外部记忆层"。

Coding agent 的上下文窗口是有限资源，而代码库一直在长大。 Reference 的思路是把"检索"从 agent 的推理过程里拆出来， 变成一个本地的、带引用的、O(1) 的查询动作。这个拆法是对的—— 它让 agent 不需要把整个文件读进上下文就能定位到函数，省的是真金白银的 token。

可迁移的规律：给 agent 用的工具，分发渠道不是 UI，是协议。 Reference 不要求用户打开它的界面，而是把自己挂进 Claude Code 的 MCP 配置里， agent 在推理过程中自己调用。对做 agent 周边工具的人来说， 接入 MCP 生态比做任何独立入口都更接近用户的实际工作流。

风险有两层。 第一层是竞争：MCP 生态里已经有一批类似的代码检索工具 （如开源的 Serena），tree-sitter 分块 + 本地嵌入不是独有技术， 差异性主要靠体验和引用精度。第二层是变现： 免费开源工具如果走不到付费层，就会停在"作者自用 + 社区白嫖"的状态。

下一步看什么

① GitHub star 三个月内是否破千——开源工具的真实热度比 launch 票数可靠 ② 是否被 Claude Code / Cursor 等工具的官方 MCP 推荐列表收录——决定分发天花板 ③ 是否推出付费功能（团队索引、云同步、更大模型的本地嵌入）——决定能不能养活自己

可借鉴的做法

产品逻辑：给 AI agent 做工具的，把"结果带回源引用"做成默认行为—— 每个答案都指回文件、函数、行号，让 agent 的输出可以被验证，而不是一段泛泛文本。 这既是技术特性，也是信任机制：用户（和 agent）只有能追到证据才敢用。

定价结构：无。未披露。

结论

值得关注。 方向正确、痛点真实、工程完成度在线， 但热度数据和商业模式都还没跑出来。它是"给 agent 装本地记忆"这一类产品的 一个干净样本，值得观察它能不能在 MCP 生态里活下来、走到付费层。