FFF

在 AI 编程助手和重度 Vim/Neovim 用户的工作流中，文件搜索和代码 grep 是每天都要反复使用的操作。传统工具如 ripgrep、fzf 虽然优秀，但在长时间运行的进程中每次都要重新 fork、重新索引，效率瓶颈明显。FFF正是为此而诞生的**文件搜索工具包**：Rust 实现，强调速度、准确性和智能记忆，适用于 AI Agent、Neovim、Rust/C/NodeJS 等多种场景。

FFF 网站截图

FFF 的核心特色

1. 极致性能与持久索引 FFF 采用 Rust 核心（fff-core），使用内存映射、并行搜索（rayon）、后台文件系统监听器（notify），构建轻量级内存内容索引。相比 CLI 工具，它在多次搜索场景下速度优势巨大，尤其适合大型代码库（示例：Linux kernel 10 万文件也能流畅运行）。
2. Frecency 智能排名 内置 frecency（频率 + 最近使用）机制，记录你实际打开的文件和搜索历史，常用文件会自动排名靠前。首次启动还会自动从 Git 历史预热，真正实现“越用越聪明”。
3. Typo 容错与智能回退 支持智能大小写、自动 fuzzy 回退、定义优先提示。即使输入有小错误，也能快速找到目标。零匹配时自动尝试更宽松的查询，避免无效结果浪费上下文。
4. Git 深度集成 自动标注 modified、untracked、staged 文件，优先推荐你正在修改的内容。非常适合代码审查和迭代开发。
5. 多平台多形态支持
   • Neovim 插件（fff.nvim）：模糊文件查找 + Live Grep，支持预览、快捷键、自定义布局。
   • MCP Server：为 Claude Code、Cursor、Cline 等 AI 编码助手提供 ffgrep、fffind、fff-multi-grep 等工具，大幅减少 token 消耗和搜索轮次。
   • Pi Agent 扩展、Rust/C FFI、NodeJS 支持：可作为库嵌入各种编辑器和 Agent 框架。

其他亮点包括约束语法（git:modified、*.rs、!test/ 等）、分页查询、预览大文件处理、二进制文件过滤等。

适用人群

• AI 开发者 / Prompt Engineer：让 Agent 更快、更准地理解代码库，显著提升 Coding 效率。
• Neovim 重度用户：替换或增强 Telescope/fzf，获得更智能的搜索体验。
• 大型项目维护者：处理百万行代码时依然保持响应速度。
• 工具开发者：通过库或 FFI 集成到自己的编辑器/Agent 中。

如何部署 FFF

FFF 部署方式多样，官方提供了极简的一键安装脚本。

1. MCP Server（AI Agent 推荐，最简单）

# 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

安装后，脚本会输出针对你当前 AI 客户端的连接指令。启动后，在 Agent 中提示“use fff”即可调用工具。支持 frecency、Git 感知等全部高级特性。

2. Neovim 插件（fff.nvim）

使用 lazy.nvim（推荐）：

{
  'dmtrKovalenko/fff.nvim',
  build = function()
    require("fff.download").download_or_build_binary()
  end,
  lazy = false,
  opts = { ... },  -- 可自定义布局、预览、frecency 等
  keys = {
    { "ff", function() require('fff').find_files() end },
    { "fg", function() require('fff').live_grep() end },
  }
}

• 首次加载会自动下载预编译二进制或通过 Cargo 构建。
• NixOS 用户可使用 nix run .#release。
• 支持 :FFFScan、:FFFHealth 等命令管理索引。

3. 从源码构建（开发者）

git clone https://github.com/dmtrKovalenko/fff.git
cd fff
cargo build --release

或使用 Makefile / Nix flake 进行跨平台构建。项目提供预构建的二进制（Neovim Lua module、C FFI、MCP Server）。

配置灵活，支持环境变量自定义数据库路径、日志级别等。所有数据本地存储（LMDB），无隐私泄露风险（仅可选的 GitHub 更新检查）。

总结

FFF 不是又一个“类似 fzf”的工具，而是下一代文件搜索基础设施。它把搜索从“每次都从零开始”变成了“带记忆的智能助手”，极大提升了人类与 AI 在代码库中的协作效率。目前项目活跃，Star 增长迅速，社区反馈热烈。