대안 C: embedding only | idea_world

흐름

raw chunkText
  -> embedding vector
  -> docs_chunks/api_mapping/label_prototypes embedding과 cosine search
  -> top JSONL 반환

BM25는 정확 문자열에 강하지만, 설명문과 코드 표현이 다르면 약해질 수 있다.

예를 들어 chunk에는 다음 코드가 있다.

position = position.clamp(Vector2.ZERO, screen_size)

문서에는 다음처럼 설명되어 있을 수 있다.

prevent the player from leaving the screen
clamping a value means restricting it to a given range

이 경우 embedding은 의미 연결을 잡을 수 있다.

embedding은 다음 주제를 찾을 가능성이 있다.

2D player movement
moving inside screen
animation based on movement
player movement tutorial

embedding은 의미가 비슷한 후보도 함께 높게 줄 수 있다.

예상 false positive:

3D player movement
scripting player input
vector math
animation player docs

즉 “player movement”라는 의미가 비슷하면 2D/3D 차이를 흐릴 수 있다.

기준 chunk를 embedding vector로 변환한다.

입력 의미:

2D player movement
keyboard input
velocity normalization
animation while moving
keep player inside screen

embedding이 찾을 가능성이 높은 후보:

후보	왜 뜨는가	판단
`first_2d_game / coding_the_player`	2D player movement, input, animation, screen clamp 의미가 가까움	accept
`first_2d_game / clamp explanation`	player를 화면 밖으로 못 나가게 하는 의미가 가까움	accept
`first_3d_game / player_movement_code`	player movement, input, normalized direction 의미가 가까움	false positive
`Vector math / movement tutorial`	velocity, vector, normalized 의미가 가까움	maybe
`Animation player docs`	play/stop animation 의미가 가까움	maybe

embedding only에서 눈에 띄는 문제:

문자열이 직접 맞는지보다 의미가 가까운지를 본다.
그래서 2D/3D, Godot3/Godot4, migration 여부처럼 정확히 갈라야 하는 기준이 흐려질 수 있다.

예를 들어 기준 chunk와 3D movement 문서는 모두 다음 의미를 공유한다.

keyboard input
movement direction
normalized velocity
player movement

하지만 기준 chunk에는 다음 직접 단서가 있다.

AnimatedSprite2D
Vector2.ZERO
position.clamp
screen_size

embedding only는 이 직접 단서를 BM25만큼 투명하게 설명하지 못할 수 있다.

embedding PoC에서는 다음을 같이 보여줘야 한다.

1. query chunkText
2. 후보 문서 heading/content 요약
3. cosine similarity
4. 직접 일치한 문자열 목록
5. 직접 일치 문자열이 없는데 의미만 가까운 후보 표시

눈에 보이는 결론:

embedding은 BM25가 놓친 설명형 문서를 보완한다.
하지만 직접근거 판정에는 약하므로 단독으로 쓰면 안 된다.

단독 사용 금지
BM25 후보 보완용으로 사용