Show HN: 품질을 중요하게 생각하는 사람들을 위한 AI 코딩 환경인 Command Center
요약
이 글은 'Command Center'라는 AI 코딩 환경을 소개하며, 특히 검색 기능의 품질 향상에 초점을 맞추고 있습니다. 기존 코드 검색 방식에서 BM25와 밀집 임베딩(dense embedding)을 결합한 하이브리드 검색 방식을 도입하여 정확도를 높인 것이 핵심입니다.
핵심 포인트
- BM25와 dense 임베딩의 하이브리드 검색 구현
- reciprocal_rank_fusion 함수를 통한 점수 융합
- 코드 검색 환경의 품질 향상에 집중
1 """하이브리드 검색: BM25 + 밀집(dense) 융합."""
2 from __future__ import annotations
3
4 from dataclasses import dataclass
5 from typing import Sequence
…8,412 변경되지 않은 줄 보여주기
8420− def search(self, query, top_k=10):
8421− embedding = self._embedder.encode(query)
8422− return self._index.query(embedding, top_k)
8423+ def search(self, query, top_k=20):
Now
8424+ bm25 = self._bm25.search(query, top_k*2)
8425+ dense = self._dense.search(query, top_k*2)
8426+ fused = reciprocal_rank_fusion(bm25, dense)
8427+ return fused[:top_k]
…1,204 변경되지 않은 줄 보여주기
9632+def reciprocal_rank_fusion(
9633+ *ranked_lists: Sequence[RetrievalHit],
9634+ k: int = 60,
9635+) -> list[RetrievalHit]:
9636+ scores: dict[str, float] = {}
…3,201 변경되지 않은 줄 보여주기
AI 자동 생성 콘텐츠
본 콘텐츠는 HN AI Engineering의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기