sublime Text的模糊搜索采用子序列匹配与排序打分机制，不依赖全文扫描或机器学习；通过“c.l.u”类正则匹配字符顺序非连续出现，并依据首字符位置、紧凑度、路径层级、大小写位置等打分排序，兼顾速度、可预测性与低资源占用。
sublime text 的模糊搜索不是靠全文扫描或复杂机器学习模型，它用的是轻量、快速、面向人眼直觉的“子序列匹配 + 排序打分”机制。
核心是子序列匹配（Subsequence Matching）
它不检查字符串是否连续出现，而是看用户输入的字符能否按顺序、非连续地出现在目标字符串中。比如输入 clu，会匹配 client_uni.cpp（c-l-i-e-n-t → c-l-…-u），也匹配 cluster.h，但不匹配 uncle.cpp（u 在 c 前，顺序不符）。
实现上，通常把用户输入转成一个正则模式：
“c.*l.*u” —— 即每个字符之间允许任意长度的任意字符（包括零个）。
匹配结果不是随便排，而是有明确打分规则
只匹配还不够，Sublime 会为每个候选结果计算一个“亲和度分数”，决定谁排第一。主要依据包括：
- 首字符位置越靠前，得分越高（比如 migrations.py 中 mig 出现在开头，比 django_migrations.py 中出现在第8位更优）
- 匹配字符是否连续或紧凑（cli 匹配 client 比匹配 c_a_l_i_e_n_t 更高分）
- 路径层级与文件名权重分离（同名文件中，src/utils/log.cpp 比 third_party/old_log.cpp 更可能靠前）
- 大写字母位置加分（CamelCase 或下划线分隔处如 MyConfigFile，输入 mcf 会优先匹配这里）
不依赖外部库，也不算编辑距离
它和 Levenshtein 距离、Jaccard 相似度这些学术算法无关。没有计算插入/删除次数，也不做向量化或分词。它的设计目标很明确：快（毫秒级响应）、可预测（用户能凭经验猜出结果顺序）、低资源占用（适合本地编辑器实时运行）。
你可以把它理解成一种“人类直觉优先”的启发式匹配——你敲几个字母，它就猜你最可能想点哪个文件，而不是算谁“数学上最像”。
支持组合快捷键扩展语义
模糊搜索能力还通过符号前缀增强语义：
- @ 后接字符 → 搜索当前文件内的函数/类定义（基于语法解析，非纯文本）
- # 后接字符 → 搜索当前文件内所有符号（变量、方法、注释标记等）
- : 后接数字 → 跳转到指定行号
- 多个符号可连用，比如 @log#err 可能定位到名为 logError 的函数
这些不是模糊搜索本身，但和它共享同一套输入解析与实时排序引擎。
基本上就这些。不复杂但容易忽略：它赢在工程取舍——放弃理论最优，专注人手快、眼睛熟、大脑秒懂。