file-search：让AI coding agent秒变代码搜索专家

你有没有过这种感觉：让 AI 帮你搜代码，结果出来几千行，根本看不完？问题不在 AI，在于搜索策略。

最近我在翻 SkillHub 的 S 级 Skill 榜单，发现一个叫 file-search 的工具拿到了 Grade S（9.0分），特别适合解决这个问题。核心逻辑很简单——先判断用 ripgrep 还是 ast-grep，再做定向搜索，最后根据结果数量决定是否需要优化。整个流程是一个可视化决策图，清晰得像调试 bug 时的思维导图。

为什么这个思路值得单独做成 Skill？

普通搜索的问题是”海量结果”，file-search 解决的是”精准定位”。它的工作流大概分三层：

• 选择工具：文本模式用 ripgrep，结构模式用 ast-grep（懂 AST 语法树那种，能搜函数调用、自定义规则）；
• 定向配置：限制文件类型、目录范围，排除 node_modules、tests 等噪音区；
• 结果反馈：超过 100 条就提醒优化，5-50 条是最理想状态，然后输出统计和下一步建议。

结果里还会给你推荐下一步操作——比如”建议用 ast-grep 搜中间件模式”，或者”建议排除 tests 目录再跑一次”。不只是搜，还指导你怎么搜得更准。

我的判断：这是一个”元技能”

市面上的 AI coding 工具（Claude Code、Cursor、Windsurf、Cline……）大多内置了代码搜索，但它们默认是通用搜索策略。file-search 的价值在于把你的 AI 训练成专项搜索高手——它不只是一个 prompt，是一个完整的方法论。

适用场景：

• 接手遗留代码库，需要快速定位关键逻辑；
• 代码重构前，确认所有调用点；
• 安全审计，查找敏感信息处理位置；
• 日常 code review，快速获取上下文。

支持 14 个主流 coding 平台，包括 OpenClaw。GitHub 912 stars，作者是 @massgen，目前评分最高的代码搜索类 Skill。

怎么用？

在支持的 Agent 里安装：

npx skills add massgen/skills

触发词很简单：”帮我搜一下 XXX 在哪”、”找所有用到 YY 的地方”。剩下的策略优化，Skill 自己会处理。

说实话，这是我最近看到的最接近”老程序员思维”的 Skill——不是因为它炫技，而是因为它懂得在海量信息里设置过滤网，这个能力在 AI 时代反而更稀缺。

👉 GitHub：https://github.com/massgen/MassGen

GitHub: https://github.com/massgen/MassGen