VoidMuse是一个开源的AI IDE插件，专注于通过实践学习AI工程化技术。文章详细介绍了其codebase功能的实现，包含建立索引和检索索引两大模块。在建立索引时，通过文件筛选、代码分块和向量化处理优化数据存储；在检索阶段，采用查询词优化和混合检索（文本+向量）策略提高准确性。项目特别关注了工程实践中的细节问题，如embedding模型选择、代码分块策略等，展现了从理论到实践的完整技术闭环。

VoidMuse是一个开源AI IDE插件，支持IntelliJ和VS Code，旨在帮助开发者将AI技术应用到实际工程中。文章分析了Codebase功能的重要性，对比了Augment和Cursor两种技术路线：Augment采用分层混合策略（grep+向量搜索），适合大型复杂项目；Cursor则采用纯向量搜索，简单实用。文章指出Codebase本质上是推荐算法在代码领域的应用，包含召回、排序和重

VoidMuse是一个开源的AI IDE插件，专注于通过实践学习AI工程化技术。文章详细介绍了其codebase功能的实现，包含建立索引和检索索引两大模块。在建立索引时，通过文件筛选、代码分块和向量化处理优化数据存储；在检索阶段，采用查询词优化和混合检索（文本+向量）策略提高准确性。项目特别关注了工程实践中的细节问题，如embedding模型选择、代码分块策略等，展现了从理论到实践的完整技术闭环。

VoidMuse是一个开源的AI IDE插件，专注于通过实践学习AI工程化技术。文章详细介绍了其codebase功能的实现，包含建立索引和检索索引两大模块。在建立索引时，通过文件筛选、代码分块和向量化处理优化数据存储；在检索阶段，采用查询词优化和混合检索（文本+向量）策略提高准确性。项目特别关注了工程实践中的细节问题，如embedding模型选择、代码分块策略等，展现了从理论到实践的完整技术闭环。

VoidMuse是一个开源AI IDE插件，支持IntelliJ和VS Code，旨在帮助开发者将AI技术应用到实际工程中。文章分析了Codebase功能的重要性，对比了Augment和Cursor两种技术路线：Augment采用分层混合策略（grep+向量搜索），适合大型复杂项目；Cursor则采用纯向量搜索，简单实用。文章指出Codebase本质上是推荐算法在代码领域的应用，包含召回、排序和重

摘要 VoidMuse开源AI IDE插件通过Function Call技术实现深度搜索功能，突破了传统搜索的单次查询限制。深度搜索通过多轮迭代（分析结果→生成新关键词→再搜索）模拟专业研究行为，逐步获取全面信息。实现核心在于LLM的Function Call能力，可自主判断何时调用搜索工具并生成关键词。关键技术包括：循环调用LLM直到满足条件、Vercel AI SDK封装多轮工具调用、设置最大