Vertiefung

Suche & Agentic Search

Wie die dreistufige Suche funktioniert und warum sie keine Vektor-DB braucht.

01
Quick Search

Erst werden Tags und Titel abgeglichen. Tag-Treffer wiegen dreifach, Titel-Treffer doppelt. Kritische Nodes bekommen einen Relevanz-Boost von 30%.

Gewichtung:
Tag-Match: x3.0 | Titel-Match: x2.0 | Substring: x1.0
Relevanz-Boost: critical +30%, high +20%

Du: "Context Memory: Was wissen wir ueber PostgreSQL?"
→ Quick findet dec-001 (Tag "postgresql" = x3) sofort
02
Deep Search

Wird nur aktiviert wenn Quick Search zu wenig findet. Durchsucht den Volltext aller Nodes. Mehrfach-Vorkommen zaehlen, aber maximal 5x pro Wort (diminishing returns). Wenn zwei Suchwoerter nebeneinander stehen, gibt es einen Phrase-Bonus.

Quick fand 2 Treffer, Limit ist 5
→ Deep Search aktiviert

Suche in allen Node-Inhalten...
"postgresql" kommt 3x vor → Score: 3 x 0.5 = 1.5
"performance" kommt 7x vor → Score: min(7,5) x 0.5 = 2.5
Phrase "postgresql performance" gefunden → Bonus: +2.0
03
Relationsanreicherung

Mit der Option --with-relations zeigt jeder Treffer seine Verbindungen im Knowledge Graph. So siehst du nicht nur WAS relevant ist, sondern auch WARUM und WOMIT es zusammenhaengt.

Treffer: [dec-001] PostgreSQL als Datenbank
  Relationen:
  🔗 ← benoetigt von ← [arch-001] REST API
  ⚡ ← verursacht ← [bug-001] Race Condition
  ⚙️ ← implementiert ← [pat-001] Repository Pattern