意外创建了一个本地检索工具，似乎有效！急需测试建议

所以，我当时正在开发我的代理AI软件。说实话，到目前为止它确实很好，但好吧，我们就不在本文中讨论这个了。在测试过程中，我发现它花费了太多令牌来查找错误。为了解决这个问题，我尝试了很多方法，比如Aider的仓库地图、本地LLM、嵌入器等，但它们都需要大量时间来构建，而且本地LLM和嵌入器无法在非常低端的笔记本电脑上运行。我拒绝在构建期间使用grep工具作为后备，为什么？我不知道，我就是不喜欢这个想法。之后，我偶然想到了一个新的本地工具（不会透露架构或代码🤫），它似乎有点用。所以，它不知怎么地将可搜索函数池缩小到只有900个（最多，可能更少），并且错误在其中的存在率为100%。为了澄清，我没有使用正常的索引之类的东西，但我也不能透露确切的方法。因此，我在几个地方测试了它——第一个原型版本是在SWE-LITE的55个案例上，其中52个在那个900个函数池中，并且38个在精确行上捕获，仅消耗了1k令牌作为辅助（这不包括大约2k的输出令牌）。（它耗时与当前在代理AI中使用的工具运行和查找错误相同，因为它目前只是一个原型，我从未优化过。）但后来我想，这可能是因为LLM模型（我正在用Gemini 3.1 Pro和Opus 5测试，我经常切换，因为我资金紧张）可能已经在SWE-LITE上训练过，所以它知道这些错误。于是我在自己的L2D（语言到DST）项目上测试了它，这个项目本身就相当复杂。我自己在该项目中注入了20个错误（逻辑错误），并编写了模糊的提示，例如——“启动时它找不到模块了”、“它从不清除内存，5分钟后就内存溢出”以及“代码崩溃时堆栈跟踪完全被切断”。结果让我震惊。在900个函数池中（总共大约18k多），它达到了20/20的存在率，并且给出了18/20的错误精确行位置。;-; 我高兴得跳了起来。但后来我想，我目前只在Python上测试了这个。这让我惊慌失措，因为我忘了为多种语言编码，所以我使用了Claude Code让它支持90多种语言（当然，我告诉它如何制作），然后我在最新的OpenMAIC仓库上测试了它，这样它没有训练数据，还有我自己的代理AI源代码（备份），其中目前使用了8种不同的语言。（使用像L2D中使用的模糊提示，比如“Regen正在删除我所有的工作，搞什么鬼”和“缩放只是立即导致整个页面崩溃”）——结果如下——“它在顶级900函数池中达到了20/20的存在率，获得了16/20的精确函数，并验证了13/20的精确机制，零假阳性幻觉（本地验证，这东西仍在进行中，我怀疑它会变得更好，我在考虑移除它）。”然后，作为最后的测试，我在最新的pagefind github仓库上运行了我的工具和Antigravity。我注入了20个错误，使用模糊提示。我的工具花了12分钟（仍然是Python，如果我确定它真的有效，我会将其转换为Rust），而Antigravity花了15分钟。Antigravity正确找到了12/20个错误和16/20个文件，但定位了错误的代码行。它消耗了600万令牌（我的意思是，大部分是缓存的，所以我算作100万新鲜令牌）。我的工具找到了16/20个错误，900个函数池中20/20的存在率，并消耗了20k令牌（全部新鲜）:) 所以我的主要问题是，我应该在哪里测试它，以确保这个架构真的有效，而不仅仅是在少数地方。