Is Grep All You Need? How Agent Harnesses Reshape Agentic Search
Les progrès récents des agents basés sur de grands modèles de langage permettent des flux de travail agentiques complexes intégrant récupération d'information, appels d'outils et raisonnement sur de grands corpus. Les auteurs soulignent qu'il manque des comparaisons systématiques de l'interaction entre stratégie de recherche, architecture d'agent et mode d'appel d'outils, ainsi que d'études sur la présentation des sorties d'outils et la gestion de textes contextuels non pertinents. L'étude empirique comporte deux expériences, la première comparant grep et recherche vectorielle sur 116 questions de LongMemEval avec un harnais personnalisé (Chronos) et des harnais CLI fournisseurs (Claude Code, Codex, Gemini CLI) pour résultats inline et fichiers lus séparément. La seconde expérience oppose configurations uniquement grep et uniquement vectorielle tout en ajoutant progressivement de l'historique de conversation non lié pour évaluer l'effet du bruit contextuel. Les résultats indiquent que grep tend à fournir une précision supérieure à la recherche vectorielle dans ces tests, mais que les performances varient fortement selon le harnais et le style d'appel d'outils, même avec les mêmes données.