Boris Cherny, создатель Claude Code, говорит, что RAG не решает их проблему для работы с кодом.
Команда Anthropic пишет через Claude Code 80-90% своего кода. Продуктивность инженеров выросла на 70%.
Они начинали со стандартного стека: Voyage embeddings, готовый RAG, локальная векторная база. То самое решение на которое сейчас компании тратят миллионы.
Потом отказались.
Agentic search работал лучше. Модель сама использует grep и glob столько раз, сколько нужно чтобы найти нужный код. Без индексации, без векторной базы.
Базовые Unix команды обошли сложную систему retrieval, и доказательство не метрики, не графики, а результат чувствовался лучше для разработчиков.
Вторая причина - безопасность.
RAG требует индексации. Код нужно где-то хранить, синхронизировать с индексом. Кодовая база Anthropic слишком чувствительная чтобы загружать в сторонний индекс.
Если создатели Claude Code не доверяют RAG для своего кода - это говорит о проблеме.
Pinecone привлекает $138M. При этом рынок векторных баз оценивают в $7 миллиардов к 2029 году. RAG-рынок $2.3 миллиарда сейчас, прогноз $81 миллиард к 2035.
Миллиарды текут в то чтобы сделать retrieval быстрее и сложнее. А команда которая построила один из самых популярных AI coding агентов посмотрела на это и выбрала grep.
RAG имеет смысл для поиска по документам, саппорта, статичных баз знаний. Но для code generation выигрывающая архитектура оказалась радикально проще.
Чем умнее становятся модели, тем меньше смысла в pre-computed индексах.
Модель достаточно умная чтобы просто искать что нужно в реальном времени. Как это делает senior engineer.
Индустрия строит сложную инфраструктуру для задачи которую можно решить проще и команда с лучшими результатами в этой области уже это показала.
Я считаю Claude Code самым ярким предвестником AGI. Перестал использовать другие инструменты кроме него.
@maxvotek | linkedin | substack
Команда Anthropic пишет через Claude Code 80-90% своего кода. Продуктивность инженеров выросла на 70%.
Они начинали со стандартного стека: Voyage embeddings, готовый RAG, локальная векторная база. То самое решение на которое сейчас компании тратят миллионы.
Потом отказались.
Agentic search работал лучше. Модель сама использует grep и glob столько раз, сколько нужно чтобы найти нужный код. Без индексации, без векторной базы.
Базовые Unix команды обошли сложную систему retrieval, и доказательство не метрики, не графики, а результат чувствовался лучше для разработчиков.
Вторая причина - безопасность.
RAG требует индексации. Код нужно где-то хранить, синхронизировать с индексом. Кодовая база Anthropic слишком чувствительная чтобы загружать в сторонний индекс.
Если создатели Claude Code не доверяют RAG для своего кода - это говорит о проблеме.
Pinecone привлекает $138M. При этом рынок векторных баз оценивают в $7 миллиардов к 2029 году. RAG-рынок $2.3 миллиарда сейчас, прогноз $81 миллиард к 2035.
Миллиарды текут в то чтобы сделать retrieval быстрее и сложнее. А команда которая построила один из самых популярных AI coding агентов посмотрела на это и выбрала grep.
RAG имеет смысл для поиска по документам, саппорта, статичных баз знаний. Но для code generation выигрывающая архитектура оказалась радикально проще.
Чем умнее становятся модели, тем меньше смысла в pre-computed индексах.
Модель достаточно умная чтобы просто искать что нужно в реальном времени. Как это делает senior engineer.
Индустрия строит сложную инфраструктуру для задачи которую можно решить проще и команда с лучшими результатами в этой области уже это показала.
Я считаю Claude Code самым ярким предвестником AGI. Перестал использовать другие инструменты кроме него.
@maxvotek | linkedin | substack