还在用grep翻代码？用BM25给Claude Code装个语义搜索引擎

场景：为什么普通搜索总是不够用？

grep 找关键字，ripgrep 可以正则——但如果你想说「给我找到跟『CSRF 中间件』最相关的 10 个文件」，它就哑火了。

传统搜索只能匹配词，不能理解语义。你明明知道这个代码库里有处理认证流的东西，但记不住变量名——怎么办？

今天推荐一个 Claude Code 专属 Skill——bm25，专门解决这个。

bm25 是什么？

bm25 是一个基于 BM25 算法（Okapi BM25，信息检索领域经典算法）的语义排序搜索工具。

它不是向量搜索，不依赖 Embedding 模型，纯靠词频和文档长度归一化打分——但效果出乎意料地好，尤其在代码 + 文档混合的场景。

核心特点：

• 无需 Embedding：安装依赖 uv pip install bm25s，秒装完
• 无状态：每次启动重建内存索引，不污染会话
• 支持多语料：本地目录、GitHub 仓库（直接拉 tarball）、项目文档、用户上传文件
• 过滤灵活：可以只搜 .py 文件、排除 tests/*
• 交互模式：一条命令进入 REPL，多次查询复用同一个索引
• 结果排序：返回 Top-K 最相关的文件，带上下文 snippet

怎么用？

安装 Skill（Claude Code）：

npx skills add oaustegard/claude-skills --skill bm25 --agent claude-code

基础用法：

# 搜本地代码库
python3 bm25.py ./repo 'csrf middleware'

# 一次建索引，多次查询
python3 bm25.py ./repo 'auth flow' 'session backend'

# 直接搜 GitHub 仓库（不用 clone）
python3 bm25.py 'github.com/django/django' 'atomic transaction'

# 只搜 Python 文件
python3 bm25.py ./repo 'config' --include '*.py'

# 输出 JSON（方便程序处理）
python3 bm25.py ./repo 'auth flow' --json

触发关键词：「哪个文件最关于 X」「rank these documents」「find content about X」——Claude Code 会自动识别并调用。

bm25 vs 其他搜索工具，怎么选？

简单说：bm25 填补了语义搜索和代码结构搜索之间的空白——当你想用「关于 XX」这种问法时，它最合适。

GitHub 链接

• Skill 仓库：https://github.com/oaustegard/claude-skills
• 底层库（1.7K ⭐）：https://github.com/xhluca/bm25s
• License：MIT

GitHub: https://github.com/oaustegard/claude-skills