dmtrKovalenko/fff

📌 fff：為 AI Agent 與人類打造的極速檔案搜尋工具

TL;DR：提供耐錯路徑與內容搜尋的輕量化索引庫，大幅降低 AI Agent 搜尋檔案的 context 浪費。

當 AI Agent 在大型程式碼庫中尋找特定檔案時，頻繁地呼叫 grep 或 fzf 等 CLI 工具不僅速度慢，且容易因為路徑微小錯誤而失敗，導致 AI 浪費大量 Token 在嘗試錯誤的路徑上。

🧩 耐錯搜尋與記憶體索引的設計理念

fff 並非單純的 CLI 工具，而是一個將檔案搜尋能力模組化為 library 的工具集。其核心設計旨在解決長時執行的程式在多次搜尋時的效能瓶頸：

• 輕量化記憶體索引：透過 in-memory content index 實現快速內容搜尋。
• Frecency 排序：根據檔案的存取頻率（frequency）與近時性（recency）對檔案進行排序，讓最相關的檔案優先被找到。
• 耐錯搜尋 (Typo-resistant)：對路徑與內容的搜尋具有耐錯能力，減少因輸入錯誤導致的搜尋失敗。
• 背景監控：內建 background watcher，確保索引內容與實際檔案同步。

📊 效能表現：超越傳統 CLI 工具

作者指出，在任何需要執行多次搜尋的長時執行程式（long-running process）中，fff 的速度比 ripgrep 和 fzf 等主流 CLI 工具更快。

🎯 對 AI Agent 的實務價值：減少 Context 浪費

fff 特別針對 AI 代理（AI Agents）提供了 MCP (Model Context Protocol) 伺服器支援，可整合至 Claude Code, Codex, OpenCode, Cursor, Cline 等 MCP 客戶端。

對於工程師而言，將 fff 整合進 AI 工作流的實際好處在於：

1. 減少 Grep 往返次數：AI 不再需要反覆嘗試不同的搜尋指令。
2. 節省 Context 空間：精準的搜尋結果意味著 AI 不需要接收大量無關的檔案內容。
3. 加速回應速度：更快的檔案定位直接提升了 AI 生成答案的效率。

🛠️ 快速安裝與部署

fff 提供了簡單的安裝方式，安裝後即可在 MCP 客戶端中指示 AI 「use fff」來執行搜尋。

• Linux / macOS： curl -L https://dmtrkovalenko.dev/install-fff-mcp.sh | bash
• Windows (PowerShell)： irm https://raw.githubusercontent.com/dmtrKovalenko/fff.nvim/main/install-mcp.ps1 | iex
• Homebrew： brew install dmtrKovalenko/fff/fff-mcp

🔗 來源

• 標題：dmtrKovalenko/fff
• 作者／機構：dmtrKovalenko
• 連結：https://github.com/dmtrKovalenko/fff

#AI #OpenSource #MCP #FileSearch #LLM #DeveloperTools #Productivity #Cursor #ClaudeCode #Indexing