시맨틱 검색

memex의 검색 방식 — 벡터 검색, BM25, 태그 매칭을 결합한 하이브리드 리트리벌.

동작 방식

memex는 Reciprocal Rank Fusion(RRF)으로 융합된 4개의 검색 소스를 사용합니다:

  1. 벡터 검색 — sqlite-vec을 통한 밀집 시맨틱 유사도. 정확한 단어가 없어도 의미로 노트를 찾습니다.
  2. BM25 전문 검색 — 제목과 내용에 대한 FTS5. 정확한 키워드 매칭에 강합니다.
  3. 태그 매칭 — 노트 태그에 대한 정확 매칭. 매칭 태그가 많을수록 높은 순위.
  4. 제목 키워드 매칭 — LIKE 기반 제목 검색, 2배 가중치(제목 매칭은 강한 신호).

4개 소스는 RRF(k=60)로 병합됩니다. 최종 순위는 의미, 키워드, 태그, 제목을 균형 있게 반영합니다.

임베딩 모델

memex는 multilingual-e5-base를 사용합니다 — 완전 오프라인으로 동작하는 768차원 모델입니다. 한국어와 영어를 같은 벡터 공간에서 이해하므로, 한국어 쿼리로 영어 노트를 찾거나 반대도 가능합니다.

최초 실행 시 ~/.memex/models/에 한 번 다운로드됩니다(~450 MB).

날짜 필터링

특정 기간으로 결과를 좁힐 수 있습니다:

memex search "auth 결정" --from 2025-04-01
memex search "auth 결정" --from 2025-04-01 --to 2025-04-30

MCP를 통해 특정 기간에 대해 질문하면 Claude가 date_from과 date_to를 자동으로 전달합니다:

"지난 4월에 auth에 대해 어떤 결정을 했었지?"

검색 별칭

검색 시 자동으로 확장되는 단축 별칭을 만들 수 있습니다:

{
  "aliases": {
    "js": ["javascript", "자바스크립트"],
    "ts": ["typescript"]
  }
}

~/.memex/config.json에서 설정합니다. "js"로 검색하면 "javascript"와 "자바스크립트" 노트도 함께 매칭됩니다.

중복 감지

새 노트를 저장할 때, memex는 임베딩을 계산하고 코사인 거리 0.5 미만인 기존 노트를 확인합니다. 유사한 노트가 있으면 save_note가 경고를 반환합니다:

⚠️ Similar notes already exist — consider updating one instead:
- #42 "Auth Architecture Decision" (distance: 0.312)

이 경고가 표시되면 Claude는 update_note로 전환하도록 지시받습니다.

CLI 검색 옵션

memex search "쿼리"
memex search "쿼리" --limit 10
memex search "쿼리" --tag typescript
memex search "쿼리" --from 2025-01-01 --to 2025-03-31