ถ้าคุณค้นหาคำว่า “Claude Code LSP” เอเจนต์ของคุณอาจกำลังหา definition ด้วยการจับคู่ข้อความ ทั้งที่คุณต้องการคำตอบระดับเดียวกับ IDE ปลั๊กอิน language server ของ Claude Code มอบการนำทางแบบนั้นผ่าน LSP ได้ แต่ก็เป็นเพียงหนึ่งในสี่วิธีสำรวจโค้ดที่มีประโยชน์ เลือกจากคำถามที่ repo ของคุณต้องการคำตอบ และจากสิ่งที่คุณรันต่อไปได้เรื่อย ๆ

คำตอบสั้น ๆ: LSP tool ของ Claude Code ขอ operation อย่าง go-to-definition, find references และ hover จาก language server ได้ changelog ทางการบันทึก tool ตัวนี้ไว้ และระบบปลั๊กอินของ Claude Code ก็จัดหาการเชื่อมต่อ language server ให้ นั่นคือจุดเริ่มต้นที่ถูกต้องเมื่อการนำทางที่รู้ type สำคัญ และคุณติดตั้งกับตั้งค่าเซิร์ฟเวอร์ได้ ส่วน grep ของ Claude Code มีให้ใช้อยู่แล้วและทำงานได้ดีเมื่อคุณรู้ชื่อหรือวลี Semantic search ช่วยได้เมื่อคำถามเป็นเรื่องความหมายมากกว่าสัญลักษณ์ที่รู้อยู่แล้ว Tree-sitter symbol tool เผย definition และความสัมพันธ์ในโค้ดได้โดยไม่ต้องมี language server หรือ index ถาวร แต่มันอนุมานความสัมพันธ์จาก syntax และชื่อ เราสร้าง octofs และ octocode ในการเปรียบเทียบแบบรันครั้งเดียวหกงานที่ลงวันที่ November 15, 2026 โค้ด octofs 0.25 คืน 6,561 โทเค็นบน tokio และ 1,101 บน cargo ส่วน octocode 0.29.0 คืน 11,093 และ 4,826 ตัวเลขเหล่านี้คือคำตอบของ tool ไม่ใช่หลักฐานว่าแนวทางใดแนวทางหนึ่งทำให้เอเจนต์ได้ผลลัพธ์ดีกว่า

Claude Code LSP กับ grep: LSP เพิ่มอะไรเข้ามา?

LSP ขอให้ language server แก้คำขอ code intelligence ที่ตำแหน่งหนึ่งในซอร์ส ส่วน grep หาข้อความที่ตรงกัน ใช้ LSP เมื่อการ “หา reference ทุกจุดของสัญลักษณ์นี้” ต้องแยกสัญลักษณ์ออกจากคอมเมนต์, สตริง และ identifier ที่ไม่เกี่ยวข้อง

สเปก Language Server Protocol นิยามคำขอ references ที่แก้ “reference ทั่วทั้งโปรเจกต์” ของสัญลักษณ์ ณ ตำแหน่งหนึ่ง และคำขอ call hierarchy สำหรับ call ขาเข้าและขาออกของมัน language server ใช้ความรู้เรื่องภาษาและโปรเจกต์ของตนแก้คำขอเหล่านั้นได้ ส่วน grep มีข้อได้เปรียบคนละแบบ คือค้นหาข้อความตรงตัวโดยไม่ต้องให้ language server เริ่มทำงานหรือเข้าใจโปรเจกต์

ความต้องการ เริ่มจาก เหตุผล
หาสตริง, flag, error หรือคีย์ค่าตั้งค่าที่รู้อยู่แล้ว rg 'pattern' src จับคู่ข้อความตรง ๆ ไม่ต้องมีโมเดลโปรเจกต์
แก้ definition หรือ reference โดยรู้เรื่องภาษา Claude Code LSP ร่วมกับเซิร์ฟเวอร์ที่ตรงกัน เซิร์ฟเวอร์ตอบคำขออย่าง definition และ references
ถามว่าคอนเซปต์หรือพฤติกรรมถูก implement ไว้ที่ไหน Semantic code search ค้นด้วยความหมายเมื่อคุณไม่รู้ชื่อสัญลักษณ์
ทำแผนที่ชื่อและความสัมพันธ์เชิง syntax โดยไม่มีเซิร์ฟเวอร์รันอยู่ Tree-sitter symbol tool parse ไฟล์ตามต้องการและเผยความสัมพันธ์ของสัญลักษณ์ โดยมีการรับประกันเชิง semantics อ่อนกว่า

การจับคู่ข้อความอาจรวมจุดที่ปรากฏนอกโค้ดด้วย ขณะที่ความสัมพันธ์จาก parser อาจพลาดการ resolve ระดับภาษา ดูภาพรวมของเราเรื่อง semantic code search และ structural search แล้วเก็บสองอย่างนั้นไว้เป็นงานคนละชิ้น ไม่ใช่ตัวแทนของ references

เปิดใช้ LSP ใน Claude Code อย่างไร?

ทำตามหน้า Code intelligence plugins ทางการ ในเซสชันเทอร์มินัล ให้ติดตั้งไบนารีของเซิร์ฟเวอร์ก่อน แล้วเปิด Claude Code และติดตั้งปลั๊กอินภาษาที่ prompt ของมัน สำหรับการตั้งค่า Claude Code TypeScript LSP ซึ่งครอบคลุม JavaScript ด้วย เอกสารระบุ typescript-language-server และคำสั่งติดตั้งไบนารีนี้:

npm install -g typescript-language-server typescript

จากนั้น ภายใน Claude Code:

/plugin install typescript-lsp@claude-plugins-official

คำสั่งเหล่านี้มาจากเอกสารเท่านั้น เราไม่ได้รันเอง Claude จะเริ่มเซิร์ฟเวอร์ครั้งแรกที่มันแก้ไขไฟล์ที่ตรงกัน เอกสารระบุว่าบรรทัด Found N new diagnostic issues in M files (ctrl+o to expand) ยืนยันว่ามันเริ่มทำงานแล้ว ถ้าไม่มีให้รัน /plugin แล้วตรวจแท็บ Errors changelog ลงวันที่การรองรับ LSP tool ไว้ที่ Claude Code v2.0.74, December 19, 2025 ส่วน ENABLE_LSP_TOOL ไม่ปรากฏในเอกสารปัจจุบันที่ตรวจเมื่อ November 15, 2026

ถ้า Claude Code LSP ใช้งานไม่ได้และ Claude รายงาน No LSP server available for file type ให้เช็คว่าปลั๊กอินติดตั้งและ active อยู่ และไบนารีของเซิร์ฟเวอร์อยู่ใน PATH รายงาน issue เดือน December 2025 บันทึก error นั้นไว้ทั้งที่ติดตั้งเซิร์ฟเวอร์แล้ว โดยมี ENABLE_LSP_TOOL=1 เป็นวิธีเลี่ยงในขณะนั้น ผู้ร่วมพัฒนาของ Anthropic ปิด issue นี้เมื่อ August 17, 2026 ด้วยข้อความว่า “อันนี้ใช้งานได้แล้วผ่านปลั๊กอิน LSP” ดังนั้นให้ถือว่ารายงานนี้เป็นเรื่องในอดีต ไม่ใช่สถานะของรุ่นปัจจุบัน

เราตรวจเอกสารและ changelog ของ Anthropic เมื่อ November 15, 2026 LSP มีประโยชน์เมื่อมันทำงานกับโปรเจกต์ของคุณได้ แต่การตั้งค่าปลั๊กอินและ language server ยังเป็น dependency จริงอยู่ ถ้าติดตั้งในสภาพแวดล้อมของเอเจนต์ไม่ได้ ให้เลือกเส้นทางการนำทางแบบอื่น

LSP, semantic search, grep หรือ Tree-sitter symbols: ตัวไหนตอบคำถามของคุณ?

ใช้เครื่องมือที่แคบที่สุดที่ตอบคำถามได้อย่างแม่นยำ call hierarchy เป็นเรื่องความสัมพันธ์ระหว่างสัญลักษณ์ที่รู้อยู่แล้ว ส่วน semantic search มีไว้สำหรับคอนเซปต์ที่คุณยังเรียกชื่อไม่ได้

แนวทาง ตอบได้ดีในเรื่อง การตั้งค่าและตอนรัน จุดที่อาจผิดได้ เลือกใช้เมื่อ…
Grep (rg) “ชื่อหรือข้อความนี้ปรากฏที่ไหนแบบตรงตัว?” ไม่ต้องมี index หรือเซิร์ฟเวอร์ จับคอมเมนต์, สตริง และสัญลักษณ์ที่ชื่อคล้ายกัน ไม่ resolve สัญลักษณ์ คุณรู้ literal ที่จะค้น หรือต้องการรอบแรกที่ไว้ใจได้
Language server ผ่าน LSP “definition, reference, caller หรือ type ของสัญลักษณ์นี้คืออะไร?” ติดตั้ง language server และตั้งค่าไคลเอนต์/ปลั๊กอิน เซิร์ฟเวอร์อาจโหลดสถานะโปรเจกต์ ความครอบคลุมและพฤติกรรมขึ้นกับเซิร์ฟเวอร์, ภาษา และการตั้งค่าโปรเจกต์ คำตอบที่รู้ type สำคัญ และมีเซิร์ฟเวอร์ของโปรเจกต์ให้ใช้
Semantic search “retry policy ถูก implement ไว้ที่ไหน?” ปกติต้องมี embedding model กับ index รายละเอียดต่างไปตามผลิตภัณฑ์ ความหมายที่คล้ายกันไม่ใช่หลักฐานของความสัมพันธ์แบบ call หรือ reference คุณรู้พฤติกรรม แต่ไม่รู้ชื่อหรือไฟล์
Tree-sitter symbols “declaration และความสัมพันธ์ระดับ syntax ไหนอยู่ใกล้ชื่อนี้บ้าง?” grammar ของ parser กับ tool หนึ่งตัว รันได้โดยไม่ต้องมี LSP เซิร์ฟเวอร์หรือ index ถาวร syntax กับชื่อไม่ได้ยืนยัน type หรือ call ที่ resolve แล้วทุกจุด คุณต้องการการนำทางสัญลักษณ์แบบเบา ๆ โดยไม่ต้องตั้งค่าเซิร์ฟเวอร์

ตามที่โปรเจกต์ Tree-sitter ระบุ Tree-sitter คือ parser generator และไลบรารี parsing แบบ incremental ที่สร้าง concrete syntax tree ต้นไม้ syntax ให้โครงสร้างที่เครื่องมือจะเข้าไปตรวจได้ แต่ตัว parser อย่างเดียวไม่ให้ type checker หรือ call graph ที่ resolve แล้วของโปรเจกต์ ส่วน implementation ของ repo map ของ Aider เป็นอีกตัวอย่างของการแปลงโครงสร้างซอร์สให้เป็นแผนที่กะทัดรัดสำหรับเอเจนต์

ข้อแตกต่างนี้ไม่ใช่เรื่องเดียวกับ “agentic search กับ RAG” index สำหรับ retrieval ช่วยหาข้อความที่เกี่ยวข้องด้วยความหมายได้ ส่วนเครื่องมือการนำทางที่ระบุชัดตอบคำถามเชิงโครงสร้างแบบเจาะจง ดูคู่มือ semantic indexing แบบโลคัล ของเราสำหรับเวิร์กโฟลว์แยกชิ้นนั้น

เอเจนต์เขียนโค้ดอย่าง Claude Code ยังต้องทำ indexing codebase อยู่ไหม?

ไม่เสมอไป Claude Code และ Cline รวบรวม context ของโค้ดโดยไม่ต้องทำ index ล่วงหน้า ส่วน Cursor ซึ่งเคยวัดผลแล้วพบว่า semantic search ให้ผลลัพธ์ที่ดีขึ้นเมื่อ November 2025 ก็บอกไว้เมื่อ July 2026 ว่าจะลดการใช้ semantic index ของตัวเองแล้วหันไปใช้ grep แทน preprint หนึ่งฉบับของ August 2026 ยังพบว่า retrieval ทำได้ดีกว่าในคำถามแบบ read-only คำตอบจึงขึ้นอยู่กับงาน

บทความ engineering ปี 2025 ของ Anthropic อธิบายแนวทางแบบผสม คือโหลด context บางส่วนไว้ตั้งแต่ต้น ที่เหลือให้เอเจนต์ดึงมาด้วย tool เมื่อต้องการ บทความนั้นเขียนไว้ว่า “Claude Code คือเอเจนต์ที่ใช้โมเดลแบบผสมนี้” โดยมีไฟล์ CLAUDE.md อยู่ใน context ตั้งแต่แรก และใช้ glob กับ grep หาไฟล์แบบ just in time ส่วน Boris Cherny จากทีม Claude Code ให้สัมภาษณ์ในพอดแคสต์ Latent Space (May 7, 2025) ว่าเวอร์ชันแรก ๆ ใช้ RAG บน codebase ที่ทำ index ไว้แล้ว และ agentic search “ทำได้ดีกว่าทุกอย่าง” เมื่อถูกถามว่าวัดจาก benchmark ไหน เขาตอบว่า “ส่วนใหญ่คือความรู้สึก” ส่วน Nick Baumann ของ Cline เขียนไว้เมื่อ May 27, 2025 ว่า “เราไม่ได้ทำ index codebase ของคุณ” ข้อความเหล่านี้เป็นการอธิบายแนวทางของแต่ละเจ้า ไม่มีข้อไหนฟันธงได้ว่าอะไรใช้ได้ผลดีที่สุดกับทุก codebase

บทความของ Cursor วันที่ November 6, 2025 รายงานว่า semantic search ทำได้ “ความแม่นยำในการตอบคำถามสูงกว่าโดยเฉลี่ย 12.5% (6.5%–23.5% ขึ้นกับโมเดล)” บนชุดประเมินผลของตัวเอง ด้วย embedding model ของตัวเอง ส่วนการทดสอบ A/B แบบออนไลน์ให้ผลที่เล็กกว่า คือ agent code retention เพิ่มขึ้น 0.3% และเพิ่มขึ้น 2.6% บน codebase ที่มี 1,000 ไฟล์ขึ้นไป ตัวเลข 12.5% คือความแม่นยำในการตอบคำถาม ไม่ใช่การยกระดับผลงานจริงในทุกกรณี

หลังจากนั้น Cursor ก็เปลี่ยนแนวทาง บนฟอรัมของบริษัทเมื่อ July 2026 พนักงานคนหนึ่งเขียนไว้ ว่าโมเดลเก่งขึ้นมากในการใช้ grep กับการค้นหาแบบมี index “เส้นทาง semantic search แบบเฉพาะทางเดิมจึงแทบไม่ช่วยอะไรอย่างมีความหมายอีกต่อไป” ส่วน support engineer คนหนึ่งยืนยัน ในวันถัดมาว่า “การทำ indexing แบบ semantic/embeddings กำลังถูกลดการใช้ลงเพื่อหันไปใช้ retrieval บนฐาน grep แทน” Cursor ยังสร้าง index แบบโลคัลอยู่ แต่มีไว้สำหรับการค้นหาด้วย regex และไม่มี embedding อยู่ในนั้น

หลักฐานไม่ได้เอียงไปทางเดียว preprint ฉบับหนึ่งของ August 2026 ซึ่งอยู่ระหว่าง review รายงานว่าบน benchmark SWE-QA นั้น semantic search ตอบคำถามเกี่ยวกับ repository ถูกต้อง 65.2% เทียบกับ 46.2% ของการค้นหาด้วย grep ที่มอบหมายให้ subagent ทำ งานชิ้นนี้ครอบคลุมคำถามแบบ read-only บน repository ที่ทำ index ไว้ล่วงหน้า

มุมมองของเรา: เครื่องมือแบบเรียบง่ายได้เปรียบเมื่อใช้กับโมเดลยุคปัจจุบัน โมเดลเหล่านี้เรียนรู้ที่จะสำรวจโค้ดด้วยการค้นหาแบบเจาะจง และทำได้ดี คือค้นหาชื่อ, อ่านไฟล์, ไล่ตามสัญลักษณ์ ในการใช้งานของเรา semantic search เพิ่มประโยชน์ให้เอเจนต์น้อยกว่าที่เราคาดไว้ ซึ่งเป็นจุดที่ Cursor ลงเอยเหมือนกัน ส่วนสิ่งที่ของเราขาดคือการนำทางสัญลักษณ์ที่ไม่ต้องตั้งค่าอะไรเลย index แบบ embedding เป็นขั้นตอนการตั้งค่า (semantic search ของ octocode ต้องรัน octocode index ก่อน) มันจึงยังปิดอยู่จนกว่าจะมีคนตั้งค่า และเราพบว่ามันช่วยคนที่กำลังสำรวจ codebase ที่ไม่คุ้นเคยได้มากกว่าช่วยเอเจนต์ เราจึงเก็บ semantic search ไว้ (octocode ยังเป็น semantic provider เริ่มต้น) แล้วย้ายคำถามเรื่องสัญลักษณ์เข้าไปในไฟล์เซิร์ฟเวอร์ นี่คือความเห็นของเราจากการสร้างและใช้งานทั้งสอง tool เราไม่ได้รันการทดลองเปรียบเทียบผลลัพธ์ของเอเจนต์

คำถามที่เอเจนต์มี อะไรตอบได้โดยไม่ต้องมี index / อะไรต้องมี index
ชื่อหรือสตริงนี้แบบตรงตัวอยู่ที่ไหน? Grep ตอบได้ตรง ๆ ไม่ต้องมี index
definition หรือ caller ของสัญลักษณ์นี้คืออะไร? LSP หรือการนำทางสัญลักษณ์บนฐาน syntax ไม่ต้องมี index ถาวร
พฤติกรรมนี้ถูก implement ไว้ที่ไหน เมื่อฉันอธิบายได้แต่เรียกชื่อไม่ได้? Semantic search บน index ดึงโค้ดที่เกี่ยวข้องด้วยความหมายได้

เราวัดอะไรเมื่อย้ายการนำทางสัญลักษณ์เข้าไปในไฟล์เซิร์ฟเวอร์?

เราเปรียบเทียบงานนำทางหกอย่างบน tokio และ cargo ได้แก่ outline, definition, reference, caller, supertype หรือ subtype และ call path หนึ่งเส้นทาง การรันครั้งนี้วัดโทเค็นของคำตอบจาก tool กับจำนวนการเรียก ไม่ได้วัดว่าเอเจนต์ทำงานเขียนโค้ดได้ดีขึ้นหรือไม่

เราสร้าง MCP เซิร์ฟเวอร์สองตัว คือ octocode ที่ให้ semantic search กับกราฟสัญลักษณ์ และ octofs ที่ให้เครื่องมือเกี่ยวกับไฟล์ ใน octofs 0.25.0 ซึ่งปล่อยเมื่อ November 15, 2026 tool symbol เพิ่ม definition, reference, caller, callee, supertype, subtype, import, ความสัมพันธ์ imported-by และ call path มันใช้ Tree-sitter โดยไม่มี language server, index ถาวรบนดิสก์ หรือ embedding

เมื่อ November 15, 2026 เราวัด octocode 0.29.0 เทียบกับ octofs ที่บิลด์จากซอร์ส 0.25.0 ก่อนการ bump เวอร์ชัน (ไบนารีพิมพ์ว่า 0.24.0) โดยนับโทเค็นด้วย tokenizer o200k_base การเปรียบเทียบครอบคลุมสอง repo คือ tokio กับ cargo และหกงานในการรันครั้งเดียว ไม่ใช่ benchmark ของผลลัพธ์เอเจนต์ คำตอบของ octofs ถูกเก็บจากเครื่อง Linux 12 คอร์ และได้ผลเหมือนกันทุกไบต์บนแล็ปท็อป Apple M5 10 คอร์ ซึ่งเป็นเครื่องที่ octocode รันและมีการจับเวลาทั้งสอง tool

Repo โทเค็นคำตอบของ octofs โทเค็นคำตอบของ octocode จำนวนการเรียก: octofs / octocode
tokio 6,561 11,093 8 / 12
cargo 1,101 4,826 7 / 10
รวม 7,662 15,919 15 / 22

ยอดรวมโทเค็นคำตอบนับข้อความที่ tool คืนมาในหกงานนั้น ไม่ได้นับข้อความคำขอของตัวโมเดลเอง และไม่ได้บอกว่าผลลัพธ์ไหนจะพาเอเจนต์ไปสู่ patch ที่ดีกว่า โดยเฉพาะอย่างยิ่ง งาน references หนึ่งงานไม่ได้ถูกตรวจเทียบกับผลลัพธ์แบบแบ่งหน้าที่มี 111 จุดตรงกันของ octocode และการตรวจด้วยมือเหล่านี้ไม่ใช่การศึกษาเรื่องความแม่นยำ

ขนาดของ tool definition ก็เปลี่ยนไปเมื่อ structural search กับ graph search ย้ายมาที่ octofs ยอดรวมเหล่านี้คือผลบวกทางคณิตศาสตร์ของขนาด definition ราย tool ของสองบิลด์ที่วัด ไม่ได้เก็บจากภายในเซสชัน Octomind ที่กำลังรันอยู่ และ definition ของ view ใน octofs ก่อนการเปลี่ยนแปลงก็ไม่ได้ถูกวัด

การตั้งค่า จำนวน tool ที่ให้สิทธิ์ โทเค็นของ definition
Structural search กับ graph search บน octocode 10 6,455
Structural search กับ graph search บน octofs 8 5,468

ส่วนต่างคือ 987 โทเค็น Semantic search ยังอยู่ที่ octocode ใน tap นั้น การเปลี่ยน registry ที่ทำให้ octofs เป็นค่าเริ่มต้นของ structural search กับ graph search จะมาพร้อมการอัปเดต tap ครั้งถัดไป และยังไม่ได้เข้า master เมื่อ November 15, 2026 ส่วน graph query ของ octocode ยังใช้เป็น provider ที่เลือกได้อยู่

บนแล็ปท็อป M5 เครื่องเดียวกัน การเรียก octofs แต่ละครั้งใช้เวลาไม่เกิน 0.105 วินาที โดยนับรวมโปรเซสใหม่และการบิลด์ตารางในหน่วยความจำของมันด้วย เรา optimize พอร์ตนั้นเพื่องานเดียวนี้ คือคำตอบที่มีขอบเขตจำกัดต่อหนึ่ง query ส่วน octocode ทำงานต่างออกไป การเรียก graphrag ครั้งแรกในโปรเซสจะสร้างกราฟเต็ม ขณะที่ structural search กับ signature view ของมันไม่ต้องรอกราฟนั้น เรารัน octocode บนสำเนาที่ไม่มี .git เท่านั้น โดยใช้ --no-git และไม่ได้เทียบกับการ checkout ปกติ เราจึงไม่ให้ตัวเลขเวลาของการสร้างกราฟของมัน ตัวเลขเหล่านี้อธิบายหกงานของเราและวิธีของเรา ไม่ได้จัดอันดับสอง tool นี้

การนำทางสัญลักษณ์แบบ Tree-sitter พลาดตรงไหน?

ให้ถือว่าความสัมพันธ์จาก Tree-sitter เป็นตัวช่วยนำทาง ไม่ใช่ความจริงที่ resolve type แล้ว implementation ใน octofs ของเราดึงชื่อกับ import ออกมา ทำเครื่องหมาย (guess) กับความสัมพันธ์ที่ไม่แน่ใจได้ และจำกัดความสัมพันธ์ในกราฟไว้ที่ path ภายใน

ข้อจำกัดต่อหนึ่ง query ตามที่เอกสารระบุคือ 800 ms, ไฟล์ที่ parse 600 ไฟล์ และผลลัพธ์ที่ลิสต์ 100 รายการ ส่วนความสัมพันธ์ในกราฟจะข้ามไฟล์ที่เกิน 1 MB มันไม่อ่าน manifest หรือ path alias ของ TypeScript ถ้าชนเพดานใดเพดานหนึ่ง คำตอบอาจได้มาไม่ครบและมีข้อความแจ้งให้ทำซ้ำ สำหรับ reference ที่ type แม่นยำ หรือการ resolve ทั่วโปรเจกต์ผ่าน alias นั้น language server เหมาะกว่า

การเปรียบเทียบครั้งนี้เผยจุดพลาดร่วมกันที่เป็นรูปธรรม ใน tokio นั้น free function spawn_blocking มี caller ที่เข้าถึงมันผ่านการเรียกแบบ path-qualified และผ่าน re-export ไม่มี tool ตัวไหนลิสต์ caller ตัวจริงเหล่านั้นออกมา Octofs คืนค่า (none) สำหรับ definition ส่วน octocode ไม่แสดง edge ของ call ขาเข้าเลย รายชื่อ caller ที่ว่างเปล่าซึ่งดูสมเหตุสมผลจึงไม่ใช่หลักฐานว่าฟังก์ชันนั้นไม่มี caller octofs 0.25.0 มีจุดพลาดนี้ เวอร์ชัน 0.25.1 แก้ให้แล้ว คือ query แบบเจาะจงอันเดิมลิสต์ caller ของ free function ออกมา 10 ตัว และมี JoinSet::spawn_blocking อยู่ด้วย ตารางโทเค็นด้านบนมาจากโค้ด 0.25.0 และไม่ได้รันใหม่

ตรวจความสัมพันธ์ที่สำคัญกับตัวซอร์สก่อนลงมือทำตาม สำหรับ tree-sitter call graph generator หรือ call hierarchy ให้ยืนยันทั้งผลบวกและเคสที่เป็นลบหรือเคส re-export ที่รู้คำตอบอยู่แล้วในภาษาของคุณ เมื่อคำตอบมีผลต่อการ refactor วงกว้าง ให้ใช้ language server หรือตรวจ call site ด้วยตัวเอง

ควรให้เครื่องมือนำทางโค้ดตัวไหนกับเอเจนต์ของคุณ?

เลือก LSP สำหรับคำตอบเรื่องสัญลักษณ์ที่รู้ type, grep สำหรับข้อความที่รู้แล้ว, semantic search สำหรับพฤติกรรมที่อธิบายเป็นภาษาพูดทั่วไป และ Tree-sitter เมื่อคุณต้องการการนำทางระดับ syntax โดยไม่มีเซิร์ฟเวอร์หรือ index ถาวร

เราสร้าง octofs ซึ่งเป็น MCP ไฟล์เซิร์ฟเวอร์แบบโอเพนซอร์สที่มีการนำทางด้วย symbol ตั้งแต่เวอร์ชัน 0.25.0 ติดตั้งได้ด้วย cargo install octofs ความสัมพันธ์ของมันอยู่บนฐาน syntax, มีขอบเขตจำกัด และอาจเป็นการเดา อย่านำไปใช้เป็นหลักฐานที่ type แม่นยำ เลือกใช้มันเมื่อเอเจนต์ต้องการ definition กับความสัมพันธ์ของโค้ดในพื้นที่โดยไม่ต้องตั้งค่า LSP เก็บ language server ไว้เมื่อ reference ที่ resolve แล้วกับ type สำคัญ และเก็บ semantic search ไว้ให้พร้อมใช้สำหรับคำถามที่เริ่มจากความหมายมากกว่าชื่อสัญลักษณ์

  • ถ้า repo มี language server ที่ใช้งานได้อยู่และความแม่นยำสำคัญ ให้ตั้งค่า Claude Code LSP
  • ถ้ารู้ชื่อหรือสตริงแบบตรงตัวอยู่แล้ว ให้เริ่มจาก rg
  • ถ้าอธิบายพฤติกรรมได้แต่ไม่รู้ implementation ของมัน ให้ใช้ semantic search
  • ถ้าต้องการการนำทางสัญลักษณ์ในพื้นที่แบบเบา ๆ ให้ลอง Tree-sitter แล้วตรวจความสัมพันธ์ที่สำคัญในซอร์ส

— Don


เราสร้างเครื่องมือโอเพนซอร์สสำหรับเวิร์กโฟลว์การเขียนโค้ดแบบมีสมาธิ ดู octofs บน GitHub หรือบอกเราได้ว่าอยากให้เขียนเอกสารเคสการนำทางแบบไหนต่อ