ACE 崩了，于是我重写了它：从 ace-wrapper 到 fast-context
内容提要
ACE服务不稳定后，作者将ace-wrapper重写为fast-context，直接对接Windsurf的SWE-grep协议，并引入本地Semble缓存作为降级方案。本地缓存检索耗时30毫秒内，召回率94.6%，混合模式召回率达97.9%。远程仅用于验证扩展，失败时返回本地结果，避免工作流中断。
延伸解读
本地缓存为何成为第一道防线
文章中的基准测试显示，仅用本地Semble缓存时，召回率达到94.6%，p50延迟仅30毫秒；而仅用远程Windsurf时，召回率只有46.7%，且成功率仅52.5%。这组数据表明，本地缓存并非简单的备份，而是能独立承担大部分检索任务的主力。作者因此将本地缓存置于流程前端，远程仅用于验证和扩展，从而在远程不稳定时仍能保证工作流不中断。
混合模式如何提升检索质量
混合模式将本地Semble的候选结果与远程Windsurf的验证能力结合，NDCG@10从本地的0.854提升至0.890，召回率从94.6%提升至97.9%。远程不再从零开始搜索，而是基于本地提供的块候选和词法锚点进行确认，这减少了超时和限流的影响。文章强调，远程的价值在于验证而非首轮搜索，这种分工让整体效果更稳定。
凭证提取的兼容性设计
fast-context需要从Windsurf的state.vscdb中提取凭证，早期版本使用标准API密钥，新版则改用devin-session-token格式。作者在extract_key.py中实现了两种格式的自动适配：先查询windsurf.api_key，若不存在则搜索包含devin-session-token的行，同时支持环境变量覆盖。这种设计避免了因IDE升级导致的工具失效，体现了对上游变化的务实应对。
降级路径与工作流韧性
文章反复强调“永远保留降级路径”。在ace-wrapper时代，ACE服务一旦不可用，语义搜索便完全消失；而fast-context在远程失败时仍能返回本地Semble的块级候选，虽然质量可能下降，但工作流不会中断。基准测试中，混合模式的非空输出率为100%，远程单独仅为50%。这种设计将最坏情况从“无结果”变为“降级结果”，显著提升了日常开发的连续性。
Q&A
fast-context 和 ace-wrapper 在架构上有什么本质区别？
ace-wrapper 是纯远程方案，本地只发送参数，完全依赖 ACE 服务；fast-context 是本地与远程协同工作，本地先运行 Semble 缓存检索和词法锚点，再交给远程 Windsurf SWE-grep 验证扩展，远程失败时返回本地结果。
为什么作者要引入本地 Semble 缓存？
因为远程 ACE 服务不稳定，而本地 Semble 缓存检索速度快（p50 30 毫秒）、召回率高（94.6%），能作为第一道防线处理大多数常见搜索，并在远程失败时提供降级路径，避免工作流中断。
fast-context 的混合模式在基准测试中表现如何？
在 40 个标注查询上，混合模式（Semble + Windsurf）的 NDCG@10 为 0.890，Recall@10 为 97.9%，非空输出率 100%；而纯远程 Windsurf 非空输出率仅 50%，纯本地 Semble 召回率 94.6%，延迟 30 毫秒。
fast-context 如何反解析 Windsurf 的 SWE-grep 协议？
Windsurf 使用 Connect-RPC + Protobuf，每个 RPC 帧有 5 字节头（1 标志字节 + 4 大端长度字节），且需要 Connect-Connect 帧。Protobuf 模式无公开定义，字段号需从抓包和 Wireshark 解密配置推断，作者手动实现了 ProtobufEncoder 来匹配线格式。
fast-context 如何处理 Windsurf 的凭证？
它从 state.vscdb（SQLite 数据库）中提取凭证：先查询 key='windsurf.api_key'，若未找到则搜索包含 'devin-session-token' 的行，两种格式都支持，也可通过 WINDSURF_API_KEY 环境变量覆盖。
使用 fast-context 后，作者的工作流程有哪些变化？
AGENTS.md 从“用 ace 语义检索 → 读文件 → 用 rg 确认”变为：默认用 fast-context 混合搜索获取候选和行范围；若超时或无结果则用本地搜索；对候选块用 find-related；读文件后用 rg/ast-grep 确认证据。远程侧还有模型降级链，默认 MODEL_SWE_1_6_FAST，遇资源耗尽或限流自动降级到 MODEL_SWE_1_5。
作者从这次重写中总结了哪些设计原则？
始终保留降级路径，每个远程依赖都需要本地回退；纯 Python 更易维护，结构清晰比语言选择更重要；基准测试应与代码放在一起，用数据驱动优化；凭证提取应自动适应格式变化。
