시맨틱 검색 & 로컬 컨텍스트
단 하나의 파일도 업로드하지 않고 프로젝트 전체를 이해하는 로컬 AI.
대부분의 클라우드 도구는 코드베이스 전체를 외부 서버에 업로드하여 인덱싱합니다. Reflexor의 시맨틱 RAG 엔진은 사용자의 로컬 환경에서 코드를 청킹하고 벡터 임베딩을 생성하여 복잡한 아키텍처 질문에 답변합니다.
로컬 시맨틱 검색 동작 원리
- AST 구조 기반 지능형 코드 분할: 함수, 클래스, 모듈의 구조적 경계를 인식하여 청킹하므로 문맥적 완성도가 높습니다.
- 하드웨어 가속 로컬 임베딩: 가벼운 고성능 신경망 임베딩 모델이 로컬 하드웨어 가속을 통해 수초 내에 인덱스를 생성합니다.
- 정밀한 하이브리드 검색: 시맨틱 벡터 유사도와 정확한 식별자 매칭을 결합하여 질문에 가장 부합하는 코드를 선별합니다.
Technical Highlights
- 코드베이스의 절대적 기밀 유지: 소스코드, 스니펫, 벡터 임베딩 데이터 중 어느 것도 공용 인터넷망으로 전송되지 않습니다.
- 스마트한 증분 업데이트: 파일을 저장할 때 수정된 부분만 선택적으로 재임베딩하여 백그라운드 리소스 소모를 최소화합니다.
로컬 RAG 관련 자주 묻는 질문
로컬 RAG 인덱스가 디스크 용량을 얼마나 차지하나요?
전체 코드베이스 용량의 약 2%~5% 수준으로 매우 가벼우며, 확장 프로그램 로컬 캐시 디렉터리에 안전하게 보관됩니다.
현재 열려 있지 않은 파일에 대해서도 질문할 수 있나요?
네! 시맨틱 RAG 시스템이 인덱싱된 전체 워크스페이스를 탐색하므로, 다른 폴더의 공유 모듈이나 함수 컨텍스트도 자동으로 불러와 답변합니다.
거대한 모노레포 프로젝트도 지원하나요?
네. `.gitignore` 규칙을 철저히 준수하여 `node_modules`나 빌드 결과물을 자동으로 건너뛰고 핵심 소스코드만 스마트하게 색인합니다.