Memory Search (SOTA) 是 Ruflo 记忆体系中的语义搜索能力，提供多种检索策略，用于在记忆中查找相关信息。
一、用途 在 Ruflo 记忆中执行最先进水平的语义搜索，覆盖多种检索策略，适合需要从记忆库中召回信息的场景。
二、策略选择 可根据查询类型选择不同策略：
- 默认（dense）：快速的单跳语义匹配。
- --hybrid：稀疏 + 稠密检索，使用 RRF 融合，据资料说明对关键词+语义类查询提升 20-49%。
- --graph-rag：多跳知识检索，据资料说明对推理类查询提升 30-60%。
三、执行步骤
- 解析查询与标志：从参数中提取搜索文本与策略标志。
- 选择检索策略。
稠密搜索（默认）： npx @claude-flow/cli@latest memory search --query "QUERY" --namespace NAMESPACE --limit 10 或通过 MCP：mcp__plugin_ruflo-core_ruflo__memory_search({ query: "QUERY", namespace: "NAMESPACE", limit: 10 })
混合搜索（当使用 --hybrid 或查询含特定关键词时）： npx ruvector search "QUERY" --hybrid --limit 10
Graph RAG（当使用 --graph-rag 或需要多跳推理时）： npx ruvector search "QUERY" --graph-rag --limit 10
智能检索（当使用 --smart 或需要复杂召回时）： npx @claude-flow/cli@latest memory search --query "QUERY" --smart --limit 10 或通过 MCP：mcp__plugin_ruflo-core_ruflo__memory_search({ query: "QUERY", smart: true, limit: 10 }) 智能检索会应用五阶段流水线：查询扩展、RRF 融合、近期性提升、MMR 多样性、会话轮询。 适用于：多会话召回、时间类查询、多样化结果集。
跨命名空间统一检索： mcp__plugin_ruflo-core_ruflo__memory_search_unified({ query: "QUERY", limit: 10 })
- 应用 MMR 重排序：针对多样化结果，过滤近似重复项（余弦相似度 > 0.92），同时最大化相关性。
- 应用近期性加权：以指数衰减（每天 0.95）提升较新条目。
- 上下文综合（用于复杂查询）： mcp__plugin_ruflo-core_ruflo__agentdb_context-synthesize({ query: "QUERY", sources: ["patterns", "tasks", "solutions"] })
- 呈现结果：按综合得分（相关性 × 多样性 × 近期性）排序，并附来源命名空间归属。
四、命名空间指南
- patterns：适用于“我们当时是如何处理 X 的？”
- tasks：适用于“Y 的上下文是什么？”
- solutions：适用于“我们是如何修复 Z 的？”
- feedback：适用于“用户偏好什么？”
- security：适用于“已知漏洞在……”
- 省略命名空间：搜索所有命名空间
五、适用场景 适合需要语义召回的记忆查询，尤其是关键词+语义混合查询、多跳推理查询，以及多会话召回和多样化结果集场景。
六、限制 资料未提供关于性能上限、数据规模、权限、依赖版本要求等进一步信息；其余细节暂未提供。