Semantische Suche & lokaler Kontext
KI, die Ihre gesamte Codebasis versteht. Ohne eine einzige Datei hochzuladen.
Klassische Cloud-Assistenten laden Ihre gesamte Codebasis auf externe Server hoch. Reflexors semantische RAG-Engine verarbeitet Dateien und Vektor-Embeddings zu 100% auf Ihrem Rechner.
Funktionsweise der lokalen semantischen Suche
- AST-bewusstes Chunking: Quellcode wird anhand von Funktions- und Klassengrenzen semantisch sinnvoll unterteilt.
- Hardwarebeschleunigte Embeddings: Kompakte Einbettungsmodelle erstellen Vektorindizes rasend schnell auf Ihrem Rechner.
- Hybride Abfrage (Dense + Sparse): Verbindet Vektorähnlichkeit mit exakten Variablennamen für maximale Treffergenauigkeit.
Technical Highlights
- Vollständiger Schutz Ihres Codes: Weder Quellcode noch Vektordaten verlassen jemals Ihr lokales System.
- Inkrementelle Aktualisierung: Nur geänderte Dateien werden beim Speichern neu indexiert – minimaler CPU-Verbrauch.
Häufige Fragen zu lokalem RAG
Wie viel Speicherplatz belegt der lokale Vektorindex?
In der Regel nur 2% bis 5% der Größe Ihrer Codebasis im lokalen Anwendungs-Cache.
Beantwortet Reflexor Fragen zu nicht geöffneten Dateien?
Ja! Das RAG-System durchsucht den gesamten indexierten Projektordner und bezieht relevante Module automatisch ein.
Werden große Monorepos unterstützt?
Ja. `.gitignore`-Dateien werden strikt beachtet, sodass Verzeichnisse wie `node_modules` oder Build-Artefakte automatisch übersprungen werden.