程序源代码搜索引擎和普通搜索引擎不太一样，我们常见的搜索引擎，例如百度，谷歌, bing，都是词语级的搜索引擎，它们搜索的最小单位，是一个词语（word, term, token），一个词语由多个字符组成，如果想搜索词语中的某几个字符，词语级的搜索引擎就无能为力了，这时候就需要字符级的搜索引擎，例如你要搜索一个手机号码的后4位。
小唐代码搜索引擎（http://www.tanglib.com）是一个字符级的搜索引擎，搜索精度精确到单个字符，适用于程序源代码全文检索，程序语言的每个符号都有特殊的含义，甚至空格都是有意义的，只有字符级的搜索引擎才能实现精确查找。
字符级搜索引擎在搜索多词串联（例如"a b c d"）的性能上超过词语级搜索引擎，因为词语级搜索引擎视为多个词组合搜索，组合搜索需要消耗大量时间。
小唐代码搜索引擎目前支持Java，C，JavaScript，PHP，C++，Python，C#，Ruby，GO，TypeScript，CSS，Shell，Scala，Makefile，SQL，Lua，Perl，Dockerfile，Haskell，Rust，TeX，Batchfile，CMake，Visual Basic，FORTRAN，PowerShell，Assembly，Julia等28种程序语言源代码的检索。
小唐代码搜索引擎的源代码来自CodeParrot数据集，这是一个开源的代码数据集，来自于huggingface网站。CodeParrot数据集是很多大语言模型的代码数据集，AI代码生成工具PolyCoder正是基于CodeParrot数据集。
CodeParrot数据集的源代码来自于Github网站，star数量超过100的项目，总共包含123万个项目，730G源代码，1.15亿个代码文件。
除此之外，小唐代码搜索引擎还包含了一些巨型开源项目的检索，有如下项目：
OpenHarmony鸿蒙源代码，安卓13源代码，linux内核源代码6.29，Qt源代码6.5.0，libreoffice源码7.5.2.2，chromium源码，数据库源码(mysql8.0, mongodb, redis, postgres, sqlite)等。
写程序最快的方法就是依葫芦画瓢，程序员只要找到葫芦，画瓢就容易了，所以已有的程序示例对编程非常有帮助。
目前有很多写代码的AI工具，包括chatgpt都可以写代码，小唐源代码搜索引擎的特点是响应更快，可以达到毫秒级，而AI工具的响应速度一般比较慢；另一个区别是AI工具写出的代码正确性无法保障，而小唐源代码搜索引擎搜到的代码来自Github网站，star数量超过100的项目，正确性更有保障。