当前 AI Agent 理解代码有哪五种范式？各自的优缺点是什么？

当前代码理解分为五种范式，代表从无状态搜索到有状态推理的演进。范式一是 Agentic Search（Claude Code 流派），用 grep/rg/glob 实时搜索文件系统，优点是零预处理、永远新鲜、隐私友好，但无结构感知且每次从零开始。范式二是 CodeIndex（Cursor、Windsurf、Copilot 流派），用 tree-sitter 做语义切片后生成向量 embedding，支持自然语言语义搜索，但向量相似度无法做结构化关系推理。范式三是 Code Graph+RAG（Qodo、Augment Code 流派），在向量索引之上叠加代码依赖图和 commit 历史，但图的范围仍限于代码域且查询能力有限。范式四是 CodeWiki（DeepWiki 流派），由 LLM 自动生成精美 Wiki 文档，适合人类快速了解项目，但存在幻觉风险、难遍历、难维护的问题。范式五是代码知识图谱（UModel），通过 Entity+Log+Link 构建跨域的图谱，支持确定性结构关系查询和时间维度分析。