RAG 통합검색

Ctrl+K를 누르면 워크스페이스의 모든 작업 흔적이 하나의 검색창에 모입니다. 단어가 정확히 일치하지 않아도 의미로 찾아내며, 임베딩은 전부 로컬에서 계산되므로 코드가 외부로 나가지 않습니다.

6개 검색 소스

소스	인덱싱 대상	예시 질문
`code`	텍스트·코드 파일 (40개 이상 확장자)	“비밀번호 저장하는 함수”
`db`	테이블·뷰·인덱스·트리거·루틴 정의	”주문 금액 합산 뷰”
`git`	커밋 메시지·diff	”지난주 인코딩 버그 수정 커밋”
`chat`	AI 채팅 대화 내용	”어제 AI한테 물어본 배포 방법”
`work_event`	패널 활동 기록 (열기·편집·쿼리 실행 등)	“최근에 열었던 마이그레이션 파일”
`doc`	마크다운·문서 파일	”API 인증 절차 문서”

코드만이 아니라 “지난주에 그 테이블 어떻게 고쳤더라?” 같은 작업 맥락까지 검색됩니다.

하이브리드 검색 엔진

하나의 질의가 두 갈래로 동시에 실행됩니다.

벡터 검색 — sqlite-vec KNN. 의미가 비슷하면 단어가 달라도 찾습니다.
키워드 검색 — FTS5 BM25. 정확한 식별자·에러 메시지에 강합니다.

두 결과를 RRF(Reciprocal Rank Fusion)로 융합해 최종 순위를 매깁니다. 한쪽 방식이 놓친 결과를 다른 쪽이 보완하므로 단독 방식보다 일관되게 좋은 결과를 얻습니다. deprecated / legacy / .bak 경로는 자동으로 감점 처리됩니다.

리랭킹 (옵트인)

검색 품질을 더 끌어올리고 싶다면 리랭커를 켤 수 있습니다.

상위 후보 40개를 cross-encoder 모델(bge-reranker-base, 한국어 포함 다국어)이 질의와 1:1로 대조해 재정렬합니다.
최신성 가중치 — 최근 30일 결과에 가산점, 1년 이상 오래된 청크는 감쇠합니다.
인용 횟수 가중치 — AI 답변에 실제 인용된 횟수가 높을수록 상위에 오릅니다.

코드를 아는 청킹

코드 파일은 단순히 N줄씩 자르지 않습니다. tree-sitter AST 파싱으로 함수·클래스·메서드 경계에서 청크를 나눠(기본 6 KB), 검색 결과가 “함수의 반 토막”이 아니라 온전한 의미 단위로 나옵니다.

지원 언어	청킹 방식
Python · JavaScript · TypeScript · TSX	tree-sitter AST
C# · Java · Go · Dart	tree-sitter AST
그 외 언어 · 초대형 파일	줄 단위 안전 폴백

로컬 임베딩 모델

임베딩 모델은 transformers.js 기반으로 앱 안에서 실행됩니다. API 키도, 네트워크 전송도 필요 없습니다. 첫 사용 시 모델을 한 번만 내려받고 이후에는 오프라인에서도 동작합니다.

모델	차원	크기	비고
`multilingual-e5-small`	384	약 110 MB	기본값, 빠름
`multilingual-e5-base`	768	약 280 MB	한국어 권장 — 검색 품질이 눈에 띄게 향상됩니다
MiniLM · bge 계열	384	90~130 MB	영어 위주 프로젝트용 경량
`embeddinggemma-300m`	768	약 600 MB	베타

사용 방법

Ctrl+K 를 눌러 통합 검색창을 엽니다.

자연어로 입력합니다.

SSH 비밀번호 저장하는 부분
지난주에 고친 인코딩 버그
orders 테이블에 amount 컬럼 추가한 커밋

소스 필터 칩(code · db · git · chat · work_event · doc)으로 범위를 좁힙니다.
결과 카드를 클릭하면 내용이 펼쳐지고, ▶ 버튼을 누르면 원본 파일·위치로 이동합니다.

AI 채팅과의 자동 연동

AI 채팅은 사용자가 메시지를 보내기 전에 workspace_search 도구로 인덱스를 자동 검색합니다. 관련 코드·과거 대화·DB 스키마를 컨텍스트로 가져와 답변의 정확도를 높입니다. 별도 조작이 필요 없으며, 인용된 파일은 답변 아래 “참고:” 섹션에 표시됩니다.

인덱싱 관리

자동 인덱싱

파일 저장 또는 DB 스키마 변경이 감지되면 백그라운드에서 증분 인덱싱됩니다.
모드 선택 — 채팅 설정에서 eco / balanced / fast 중 선택해 CPU 사용량과 반영 속도의 균형을 조절합니다.
상태 대시보드 — 채팅 설정 → RAG 인덱스 상태 탭에서 소스별 청크 수와 인덱싱 큐를 실시간으로 확인합니다.

제외 패턴

.gitignore를 자동으로 존중하며, 아래 경로는 기본 제외됩니다.

node_modules/   .git/   dist/   build/

추가 제외가 필요하다면 프로젝트 루트의 .termeditignore 파일에 적습니다(gitignore 문법). DB 객체는 [db] 섹션에 glob 패턴으로 제외합니다.

# .termeditignore 예시
vendor/
*.generated.ts
coverage/

[db]
*.tmp_*
BACKUP_*

패턴을 저장하면 이미 인덱싱된 해당 청크도 즉시 정리됩니다.

인덱스 청소 도구

오래된 워크스페이스에서 인덱스가 비대해지면 대시보드의 청소 도구를 사용하세요.

도구	역할
Orphan Scan	삭제된 파일의 잔여 청크 제거
Pattern Purge	경로 패턴(예: `dist/**`)으로 일괄 제거
Stale Cleanup	오래 인용되지 않은 청크 정리
실패 재시도	인덱싱 실패 항목 재처리

인덱스 저장 위치 & 크기

인덱스는 워크스페이스별 SQLite 파일(workspace.sqlite)로 저장됩니다. 워크스페이스 폴더를 옮기면 새로 인덱싱됩니다.

크기는 부담 없는 수준입니다. 1만 청크 기준 벡터 데이터가 약 15 MB입니다.

FAQ

검색창이 열리지 않아요 → Ctrl+K를 사용합니다. 입력 포커스가 다른 단축키와 충돌하는 경우 빈 영역을 한 번 클릭한 뒤 다시 시도합니다.

결과가 없거나 이상해요 → 첫 실행 직후에는 모델 로드·다운로드가 완료될 때까지 결과가 비어 있을 수 있습니다. 인덱싱 상태 대시보드에서 진행률을 확인하세요. 노이즈가 많다면 .termeditignore로 불필요한 경로를 제외하세요.

오래된 결과가 계속 나와요 → 인덱스 상태 탭 → Orphan Scan 또는 Stale Cleanup을 실행합니다. 모델을 변경한 직후라면 재인덱싱이 완료될 때까지 기다립니다.

임베딩 모델을 바꾸면 기존 인덱스는요? → 모델을 변경하면 기존 인덱스가 자동으로 삭제되고 처음부터 다시 인덱싱됩니다. 프로젝트 규모에 따라 수 분이 소요될 수 있습니다.

원격(SSH/SFTP) 폴더도 인덱싱되나요? → 아직 지원되지 않습니다. 원격 프로젝트 폴더에서는 RAG 코드 검색이 비활성화되며, AI가 file_list_dir + file_read 도구로 직접 탐색합니다.

AI 답변에 코드가 잘못 인용됩니다 → 소스 필터를 조정하거나 .termeditignore로 노이즈 파일을 제외하면 인용 품질이 개선됩니다. 리랭킹 옵션을 켜면 관련성이 낮은 청크가 밀려납니다.

다른 기능과 연계해서 사용하는 방법은 AI 채팅, 편집기, DB 클라이언트 문서를 참고하세요.