검색
Starnion은 두 가지 검색 방식을 제공합니다. 로컬 검색은 내 데이터(일기, 메모, 가계부 등)를 빠르게 찾고, 웹 검색은 인터넷에서 최신 정보를 가져옵니다. 두 방식 모두 AI 채팅을 통해 자연어로 사용할 수도 있습니다.
상단 검색바
화면 상단의 검색바를 이용하면 타이핑과 동시에 내 데이터를 빠르게 검색할 수 있습니다.
사용 방법
- 화면 상단의 검색 아이콘(🔍) 또는 검색 입력란을 클릭합니다.
- 검색어를 입력합니다.
- 실시간으로 결과가 나타납니다.
- 결과를 클릭하면 해당 항목으로 이동합니다.
검색 단축키
| 단축키 | 동작 |
|---|---|
Ctrl+K (Windows/Linux) |
검색창 열기 |
Cmd+K (macOS) |
검색창 열기 |
ESC |
검색창 닫기 |
↑ ↓ |
결과 탐색 |
Enter |
선택한 항목으로 이동 |
로컬 검색
내 데이터에서 검색합니다. 외부 인터넷 연결 없이 빠르게 검색됩니다.
검색 대상
| 데이터 종류 | 검색 가능 내용 | 예시 |
|---|---|---|
| 일기 | 날짜, 내용, 감정 | “지난 주 일기”, “슬펐던 날” |
| 메모 | 제목, 내용, 태그 | “파이썬 메모”, “#업무 태그” |
| 가계부 | 항목명, 금액, 날짜, 카테고리 | “삼겹살”, “5만원 이상 지출” |
| 문서 | 파일명, 문서 내용 | “계약서”, “2024년 보고서” |
| 대화 내역 | 이전 채팅 내용 | “저번에 물어봤던 레시피” |
검색 예시
검색어: "삼겹살"
결과:
📒 가계부 2024-03-15 삼겹살 (친구들) 32,000원
📒 가계부 2024-02-28 삼겹살집 야식 18,000원
📔 일기 2024-03-15 "친구들이랑 삼겹살 먹었다..."
검색어: "파이썬"
결과:
📝 메모 파이썬 기초 정리 #공부 #개발
📄 문서 Python_tutorial.pdf
💬 대화 "파이썬 리스트 컴프리헨션 사용법 알려줘..."
웹 검색
Starnion은 Tavily API와 네이버 검색 API를 통해 인터넷에서 최신 정보를 검색합니다.
Tavily 웹 검색
AI 친화적으로 설계된 검색 API로, 복잡한 질문에도 관련성 높은 결과를 제공합니다.
활성화 방법: 서버 관리자가 .env에 TAVILY_API_KEY를 설정하면 websearch 스킬이 자동으로 활성화됩니다.
사용 예시:
나: 2024년 최신 AI 모델 비교해줘
봇: [웹 검색 중...]
인터넷 검색 결과를 정리했습니다.
GPT-4o (OpenAI): 멀티모달 지원, 빠른 응답...
Gemini 1.5 Pro (Google): 100만 토큰 컨텍스트...
Claude 3.5 Sonnet (Anthropic): 코딩 성능 우수...
출처: techcrunch.com, arxiv.org ...
네이버 검색
한국어 콘텐츠를 위한 검색입니다. 블로그, 뉴스, 쇼핑, 지식iN 등을 검색합니다.
활성화 방법: .env에 NAVER_CLIENT_ID와 NAVER_CLIENT_SECRET 설정 후, 설정 > 스킬에서 naver_search 스킬을 활성화합니다.
지원 검색 유형:
| 유형 | 설명 | 예시 요청 |
|---|---|---|
| 블로그 | 네이버 블로그 검색 | “김치찌개 맛있게 끓이는 법 블로그에서 찾아줘” |
| 뉴스 | 최신 뉴스 | “오늘 국내 경제 뉴스” |
| 쇼핑 | 상품·가격 비교 | “에어팟 프로 최저가 알려줘” |
| 지식iN | Q&A 검색 | “지식iN에서 전세 계약 주의사항 찾아줘” |
| 지역 | 지역 정보 | “강남 맛집 찾아줘” |
| 책 | 도서 검색 | “클린코드 책 정보 알려줘” |
검색 히스토리
최근 검색어와 결과를 확인할 수 있습니다.
- 상단 검색바에서 검색 후 결과가 자동으로 기록됩니다.
- 설정 > 검색 히스토리 에서 전체 기록을 조회하거나 삭제할 수 있습니다.
- 검색 히스토리도 AI 채팅에서 참조할 수 있습니다.
AI 채팅으로 검색하기
상단 검색바 외에도, 채팅창에서 자연어로 검색 요청을 할 수 있습니다. AI가 로컬 검색과 웹 검색을 적절히 조합하여 답변합니다.
로컬 데이터 검색 (memory 스킬)
내 기록을 자연어로 조회합니다.
나: 지난달에 뭐 먹었지?
봇: 지난 달(2024년 2월) 식비 내역입니다.
- 02-03: 점심 (편의점) 8,500원
- 02-08: 저녁 (삼겹살집) 22,000원
- 02-14: 발렌타인 디너 (이탈리안) 67,000원
...
총 식비: 312,400원
나: 파이썬 관련 메모 찾아줘
봇: 파이썬 관련 메모 3개를 찾았습니다.
1. "파이썬 기초 정리" (2024-01-15, #공부)
2. "FastAPI 사용법" (2024-02-03, #개발)
3. "pandas 데이터프레임 정리" (2024-02-18, #공부)
나: 저번에 천장 수리 견적 얼마였다고 했더라?
봇: 2024년 1월 15일 대화에서 찾았습니다.
"천장 수리 견적 250만원" 이라고 기록되어 있습니다.
웹 검색 (websearch / naver_search 스킬)
나: 요즘 전세사기 예방법 알려줘
봇: [웹 검색 중...]
최신 전세사기 예방 정보를 정리했습니다.
1. 전입신고 + 확정일자 반드시 받기
2. 전세가율 80% 이상이면 위험 신호
3. 등기부등본에서 근저당 확인
...
나: 강남에 점심 먹을 만한 곳 추천해줘
봇: [네이버 지역 검색 중...]
강남 맛집을 검색했습니다.
1. OO 한정식 - 블로그 리뷰 2,400건, 평점 4.7
2. XX 스시 - 점심 특선 15,000원, 예약 필요
...
로컬 + 웹 혼합 검색
나: 내가 기록한 이달 식비랑, 서울 평균 식비 비교해줘
봇: 이달 내 식비를 조회하고, 서울 평균 식비를 웹에서 검색했습니다.
내 이달 식비: 287,000원
서울 직장인 평균 월 식비: 약 350,000~400,000원 (출처: ○○연구원)
내 식비가 서울 평균보다 약 20% 절약되고 있습니다.
시맨틱 검색
Starnion의 검색은 단순 키워드 매칭이 아니라 의미(시맨틱) 기반 검색을 지원합니다.
시맨틱 검색이란?
- 입력한 단어와 정확히 일치하지 않아도 의미가 비슷하면 검색됩니다.
- 텍스트를 벡터(임베딩)로 변환하여 PostgreSQL(pgvector)에 저장하고, 검색 시 유사한 벡터를 찾습니다.
시맨틱 검색 예시
검색어: "밥 먹은 거"
실제 매칭: "점심 식사", "저녁 외식", "삼겹살집", "이탈리안 레스토랑"
→ "밥"이라는 단어가 없어도 식사 관련 기록을 찾아냄
검색어: "돈 나간 것"
실제 매칭: "지출", "결제", "12,000원", "구매"
→ "돈"이라는 단어가 없어도 금전 관련 기록을 찾아냄
검색어: "기분 좋았던 날"
실제 매칭: "오늘 정말 신났어", "행복한 하루", "기분 최고"
→ 감정 표현을 의미로 파악하여 관련 일기를 찾아냄
시맨틱 검색이 적용되는 데이터
| 데이터 | 임베딩 적용 | 비고 |
|---|---|---|
| 일일 대화 로그 | ✓ | 매 대화 후 자동 저장 |
| 가계부 항목 | ✓ | 항목명 + 카테고리 |
| 일기 | ✓ | 전문 임베딩 |
| 메모 | ✓ | 제목 + 내용 |
| 문서 섹션 | ✓ | 문서 청크 단위 |
| 지식 베이스 | ✓ | 패턴 분석 결과 |
FAQ
Q. 로컬 검색은 얼마나 빠른가요? 대부분의 검색은 100ms 이내에 결과를 반환합니다. 시맨틱 벡터 검색의 경우 데이터 양에 따라 다소 시간이 걸릴 수 있지만 통상 1초 이내입니다.
Q. 검색 결과가 엉뚱하게 나올 때는 어떻게 하나요? 더 구체적인 키워드를 입력하거나, AI 채팅에서 “2024년 2월에 기록한 점심 식비” 처럼 날짜와 조건을 함께 명시하면 더 정확한 결과를 얻을 수 있습니다.
Q. 웹 검색 결과는 저장되나요? 웹 검색 결과 자체는 저장되지 않습니다. 단, 채팅 대화 내역으로는 저장됩니다. 이후 “저번에 찾아줬던 전세사기 예방법 다시 알려줘”와 같이 AI에게 요청하면 대화 내역에서 찾아줍니다.
Q. 오래된 데이터도 검색되나요? 네. 모든 데이터는 영구적으로 저장되며 검색 가능합니다. 다만 오래된 데이터일수록 관련성 점수가 낮게 평가될 수 있습니다.
Q. 파일 내용을 검색하려면 어떻게 해야 하나요?
PDF나 Word 파일을 Starnion에 업로드하면 documents 스킬이 내용을 파싱하여 벡터 DB에 저장합니다. 이후 상단 검색바나 AI 채팅에서 파일 내용으로 검색할 수 있습니다.