Πολυτροπική Συγχωνευμένη Αναζήτηση: Επιλέγοντας τον Σωστό Ανακτητή για Κάθε Ερώτημα

Σημείωση για τον ιστορικό σχεδιασμό: αυτό το άρθρο του Απριλίου 2026 περιγράφει τον τότε σχεδιασμό δρομολόγησης, όχι την τρέχουσα προεπιλεγμένη συμπεριφορά. Η διόρθωση του Σεπτεμβρίου παρακάτω αφορά μόνο έναν ισχυρισμό μέτρησης. Για την τρέχουσα δρομολόγηση, τις προεπιλογές και τον ρητό έλεγχο των τρόπων αναζήτησης, δείτε Πώς λειτουργεί.

Ένα ερώτημα αναζήτησης δεν είναι ένα και μόνο πράγμα.

Το «πού ορίζεται το parseConfig» θέλει ένα ακριβές σύμβολο — μία συγκεκριμένη τοποθεσία, γρήγορα. Το «πώς λειτουργεί η ταυτοποίηση» θέλει νόημα — το εύρος του σχετικού κώδικα που εξηγεί μια έννοια. Το «τι σπάει αν αλλάξω αυτή τη συνάρτηση» θέλει τον γράφο εξαρτήσεων. Το «βρες τη συμβολοσειρά ECONNREFUSED» θέλει μια κυριολεκτική αντιστοίχιση, τίποτα έξυπνο.

Το grep είναι εξαιρετικό για κυριολεκτικές αντιστοιχίσεις και χρήσιμο για κάποιες αναζητήσεις αναφορών, όμως δεν είναι γράφος εξαρτήσεων και δεν κατανοεί το νόημα. Τα ενσωματώματα καλύπτουν τη σημασιολογική πλευρά, όμως είναι το λάθος εργαλείο για ακριβείς συμβολοσειρές και ανάλυση επίδρασης. Τα περισσότερα εργαλεία αναζήτησης κώδικα επιλέγουν μία μηχανή και αναγκάζουν κάθε ερώτημα να ζει με αυτή την επιλογή. Το Maguyva δεν περιορίζεται σε μία μηχανή. Καταλαβαίνει τι είδους ερώτημα κάνατε, και έπειτα συνδυάζει τέσσερις ανακτητές στην αναλογία που αξίζει εκείνο το ερώτημα.

Τέσσερις τρόποι αναζήτησης

Κάτω από την επιφάνεια υπάρχουν τέσσερις ανεξάρτητοι τρόποι για να βρεθεί κώδικας:

• σημασιολογικός — διανυσματική αναζήτηση πάνω σε δυαδικά ενσωματώματα Voyage· βρίσκει κώδικα βάσει νοήματος.
• κειμενικός — αντιστοίχιση τριγραμμάτων· βρίσκει κυριολεξίες, συμβολοσειρές σφαλμάτων, ακριβή αναγνωριστικά.
• δομικός — ερωτήματα AST· βρίσκει ορισμούς, υπογραφές και δομικά στοιχεία της γλώσσας.
• γράφου — ο γράφος εξαρτήσεων· βρίσκει καλούντες, καλούμενους και ακτίνα επίδρασης.

Καθένας είναι δυνατός σε διαφορετική κατηγορία ερωτήματος. Το κόλπο είναι να αποφασίσετε πόσο να εμπιστευτείτε τον καθέναν για το ερώτημα που έχετε μπροστά σας.

Ταξινόμηση πρόθεσης

Πριν τρέξει οποιαδήποτε ανάκτηση, ένας ελαφρύς ταξινομητής κατατάσσει το ερώτημα σε μία από έξι προθέσεις, με μια βαθμολογία εμπιστοσύνης. Είναι σκόπιμα φθηνός — διατεταγμένοι ευρετικοί κανόνες, κερδίζει η πρώτη αντιστοίχιση — επειδή τρέχει στο κρίσιμο μονοπάτι και προσθέτει μόλις ένα ή δύο χιλιοστά του δευτερολέπτου:

• ξεκινά με def , class , func , import … → find_definition (εμπιστοσύνη 0,95)
• «who calls», «usages of», «references to» (ποιος καλεί, χρήσεις του, αναφορές σε) → find_references (0,90)
• «impact», «blast radius», «what depends on» (επίδραση, ακτίνα επίδρασης, τι εξαρτάται από) → impact_analysis (0,90)
• μια συμβολοσειρά σε εισαγωγικά όπως το "string" ή ένα token σφάλματος όπως το traceback → exact_match (0,85–0,90)
• ένα αναγνωριστικό CamelCase ή snake_case → find_definition (0,60–0,80)
• «how», «why», «explain», «architecture» (πώς, γιατί, εξήγησε, αρχιτεκτονική) → understand_code (0,75)
• τίποτα δεν ταιριάζει → understand_code, χαμηλή εμπιστοσύνη (0,40)

Κάθε πρόθεση κουβαλά ένα προφίλ βαρών στους τέσσερις τρόπους αναζήτησης. Αυτοί είναι οι πραγματικοί αριθμοί:

Πρόθεση	σημασιολογικός	κειμενικός	δομικός (AST)	γράφου
find_definition	0.2	0.1	0.6	0.1
find_references	0.1	0.2	0.2	0.5
understand_code	0.5	0.2	0.2	0.1
find_similar	0.4	0.3	0.2	0.1
impact_analysis	0.1	0.1	0.1	0.7
exact_match	0.0	0.9	0.1	0.0

Έτσι το «πού ορίζεται το parseConfig» στηρίζεται κυρίως στο AST (0,6). Το «πώς λειτουργεί η ταυτοποίηση» στηρίζεται σε σημασιολογικά διανύσματα (0,5). Το «τι εξαρτάται από αυτό» είναι σχεδόν αποκλειστικά γράφος (0,7). Το «βρες ECONNREFUSED» είναι σχεδόν αποκλειστικά τριγράμματα (0,9), με το μοντέλο ενσωματωμάτων εντελώς απενεργοποιημένο — επειδή η σημασιολογική ομοιότητα είναι ακριβώς το λάθος εργαλείο για μια ακριβή συμβολοσειρά.

Το γρήγορο μονοπάτι, και το συγχωνευμένο μονοπάτι

Όταν ο ταξινομητής είναι σίγουρος — βαθμολογία ≥ 0,85 — και το ερώτημα είναι συνηθισμένο, το Maguyva παρακάμπτει εντελώς τη συγχώνευση και δρομολογεί απευθείας στον έναν κυρίαρχο τρόπο αναζήτησης. Το «πού ορίζεται το X» δεν χρειάζεται τέσσερις ανακτητές· χρειάζεται το ευρετήριο AST, τώρα. Αυτό το απευθείας μονοπάτι αναφέρεται πίσω ως fusion_strategy: "direct".

Οτιδήποτε είναι διφορούμενο περνά από συγχώνευση. Οι τέσσερις (ή τρεις, στην προεπιλεγμένη διαμόρφωση) τρόποι αναζήτησης τρέχουν παράλληλα, ο καθένας επιστρέφοντας τη δική του κατατεταγμένη λίστα, και τους συνδυάζουμε.

Σταθμισμένη Reciprocal Rank Fusion

Η συγχώνευση ετερογενών ανακτητών είναι πιο δύσκολη απ’ όσο ακούγεται: μια ομοιότητα συνημιτόνου 0,82 και μια βαθμολογία τριγράμματος 137 και μια κεντρικότητα γράφου 0,004 δεν βρίσκονται στην ίδια κλίμακα, οπότε δεν μπορείτε απλώς να τις προσθέσετε. Η Reciprocal Rank Fusion παρακάμπτει το πρόβλημα πετώντας τις ακατέργαστες βαθμολογίες και κρατώντας μόνο την κατάταξη που έδωσε κάθε μηχανή. Η συνεισφορά ενός αποτελέσματος από έναν τρόπο αναζήτησης είναι:

contribution = weight × 1 / (k + rank + 1)

όπου το rank είναι η θέση του στη λίστα εκείνου του τρόπου αναζήτησης και το k είναι μια σταθερά εξομάλυνσης. Οι συνεισφορές αθροίζονται σε όλους τους τρόπους αναζήτησης για κάθε αποτέλεσμα που βρήκε περισσότερη από μία μηχανή — η συμφωνία μεταξύ ανακτητών φυσικά ανεβαίνει στην κορυφή. Χρησιμοποιούμε k = 40 στην προεπιλεγμένη διαμόρφωση και 60 στο thorough (quick τρέχει μόνο σημασιολογικά, οπότε η συγχώνευση δεν ενεργοποιείται ποτέ εκεί). Η αρχική εργασία για το RRF κατέληξε σε k = 60 για γενικού σκοπού ανάκτηση· η δική μας προεπιλογή δίνει λίγο περισσότερο βάρος στα αποτελέσματα που κατατάσσονται ψηλά σε πολλούς τρόπους αναζήτησης — και δεν συνιστούμε χειροκίνητη ρύθμιση.

Επιπλέον, τα αποτελέσματα φέρουν μια ενίσχυση σπουδαιότητας γράφου. Ένας κεντρικός κόμβος — μια συνάρτηση στην οποία στηρίζεται ολόκληρη η βάση κώδικα — πρέπει να κατατάσσεται πάνω από έναν λιγότερο γνωστό κόμβο-φύλλο ακόμη και με την ίδια κειμενική σχετικότητα, οπότε πολλαπλασιάζουμε κάθε συνεισφορά με:

boost = min(1 + 0.3 × ln(1 + centrality), 1.5)

Η κεντρικότητα προέρχεται από τις προϋπολογισμένες μετρικές PageRank/βαθμού του pipeline, και η ενίσχυση είναι περιορισμένη στο 1,5× ώστε μια δημοφιλής συνάρτηση να μην μπορεί να θάψει εντελώς μια πιο σχετική αλλά λιγότερο γνωστή συνάρτηση. Τέλος υποβιβάζουμε αποτελέσματα από διαδρομές προμηθευτών, κατασκευής και αρχειοθέτησης, και αφαιρούμε διπλότυπα κρατώντας το καλύτερο τμήμα ανά αρχείο.

Τι εξακολουθεί να είναι ατελές

Ο ταξινομητής πρόθεσης είναι μια σειρά κανονικών εκφράσεων, όχι ένα εκπαιδευμένο μοντέλο. Χειρίζεται συνήθεις μορφές ερωτημάτων με ευρετικούς κανόνες, ενώ ένα αμφίσημο ερώτημα καταλήγει στο understand_code και σε ένα μείγμα με έμφαση στη σημασιολογία. Μια προηγούμενη έκδοση αυτού του άρθρου περιέγραφε τη μείωση του ποσοστού ερωτημάτων χωρίς αποτελέσματα από περίπου 15% σε κάτω από 5% ως επιτευχθείσα. Στην πραγματικότητα, η πρόταση του Δεκεμβρίου 2025 παρέθετε μια εκτιμώμενη αρχική τιμή και έναν στόχο· δεν παρέχεται υποστηρικτικό σύνολο ερωτημάτων ή αρχείο μέτρησης. Αποσύρουμε τον ισχυρισμό περί επιτευχθείσας βελτίωσης· δείτε τα τεκμήρια πηγής και τη διόρθωση. Δεν έχουμε αντικαταστήσει τον ταξινομητή με εκπαιδευμένο μοντέλο, επειδή η οικονομική έκδοση είναι γρήγορη και επαρκής για τον προβλεπόμενο ρόλο δρομολόγησης, και επειδή ένας λανθασμένος αλλά βέβαιος ταξινομητής είναι χειρότερος από μια ειλικρινή εναλλακτική επιλογή. Τα ίδια τα βάρη είναι χειροκίνητα επιλεγμένες αρχικές παραδοχές, όχι τιμές που μαθαίνονται από δεδομένα κλικ, τα οποία δεν συλλέγουμε.

Κάντε την ερώτησή σας χωρίς να επιλέγετε εργαλείο

Ένας πράκτορας δεν θα έπρεπε να χρειάζεται να ξέρει αν πρέπει να καταφύγει στο grep, στα ενσωματώματα ή στον γράφο κλήσεων — θα έπρεπε να κάνει την ερώτησή του με απλά λόγια και να πάρει τη σωστή απάντηση. Η πολυτροπική συγχώνευση είναι αυτό που επιτρέπει στο find_symbol, στη σημασιολογική αναζήτηση και στην ανάλυση εξαρτήσεων να βρίσκονται πίσω από μία ενιαία διεπαφή ερωτημάτων: το σύστημα διαβάζει το σχήμα της ερώτησης και συναρμολογεί σιωπηλά τον σωστό ανακτητή γι’ αυτήν. Το μοντέλο που βαθμολογεί τα ενσωματώματα έχει σημασία, όμως έχει σημασία και το να ξέρετε πότε να μην τα χρησιμοποιήσετε. Η επιλογή του σωστού εργαλείου για κάθε ερώτημα είναι ένα δικό της είδος ποιότητας, και είναι ένα που προτιμούμε να αναλαμβάνουμε εμείς παρά να το μεταθέτουμε στον καλούντα.

// you bring the question. it brings the tools.