Grep Sudah Mati: Cara Membuat Claude Code Mengingat

• Untuk mengatasi masalah hilangnya konteks antar-sesi di Claude Code, dibangun sistem memori yang menggabungkan mesin pencari lokal QMD dan skill /recall
• QMD adalah mesin pencari lokal yang mengindeks vault Obsidian, dengan dukungan tiga mode pencarian: BM25, semantik, dan hibrida
• Skill /recall mendukung tiga mode—berdasarkan waktu, topik, dan visualisasi graf—untuk memulihkan konteks penuh dari sesi sebelumnya secara instan
• Diimplementasikan pipeline otomatis yang mem-parsing dan meng-embed 700 rekaman percakapan JSONL sesi ke dalam indeks QMD
• Mengusulkan workflow berpusat pada konteks yang dapat digunakan di agen AI mana pun selama konteksnya dipertahankan, meski tool berganti

---

Masalah: Claude Code di-reset setiap sesi

• Semua percakapan di Claude Code dimulai dari nol, dan setelah menjalani 700 sesi selama 3 minggu, menjadi sulit melacak keputusan sebelumnya dan konteks proyek
• Saat mencapai batas konteks (60%) di tengah sesi, diperlukan compact atau hand off, dan dalam proses itu setengah dari keputusan bisa hilang
• Ketika mencoba melanjutkan pekerjaan keesokan harinya, ketidaknyamanan karena tidak ingat apa yang sudah dikerjakan terus berulang
• Pendekatan lama berupa pencarian berbasis grep pada file tidak skalabel

QMD: mesin pencari lokal khusus vault

• QMD adalah mesin pencari lokal buatan CEO Shopify Tobias Lutke, yang mengindeks vault Obsidian dan mengembalikan hasil pencarian dalam waktu kurang dari 1 detik
• Tiap folder vault dapat dipetakan ke collection QMD (catatan, log harian, sesi, transkrip, dll.) sehingga pencarian bisa lebih terfokus
• Bekerja lewat satu perintah seperti qmd collection list, qmd search "video workflow" -c notes -n 3
• Pencarian bawaan Claude Code menggunakan sub-agent Haiku yang menjalankan grep ke semua file secara brute force; dalam pengujian butuh 3 menit, mengembalikan 300 file, dan kualitas hasilnya rendah
• Pencarian QMD instan, lebih akurat, dan lebih hemat token — tanpa perlu sub-agent

Grep vs BM25 vs pencarian semantik

• BM25 (qmd search): pencarian full-text deterministik yang mencocokkan kata kunci seperti grep, tetapi memberi skor pada setiap file
  — berbasis frekuensi kemunculan kata dan kelangkaannya terhadap seluruh dokumen, hanya memakai perhitungan matematis tanpa AI atau embedding
  • Catatan pendek yang menyebut "sleep" 5 kali akan mendapat skor lebih tinggi daripada file 10.000 kata yang hanya menyebutnya 1 kali
• Semantik (qmd vsearch): berbasis embedding, sehingga dapat mencari berdasarkan makna meski kata persisnya tidak ada
• Hibrida (qmd query): menggabungkan BM25 dan semantik
• Perbandingan benchmark pencarian "sleep":
  • grep: mengembalikan 200 file, dengan banyak noise termasuk perintah pemrograman sleep()
  • BM25: dalam 2 detik mengembalikan hasil relevan seperti eksperimen kualitas tidur, catatan gangguan tidur
  • Namun, qmd search "insomnia" menghasilkan 0 karena kata itu tidak ada di vault
  • Semantik: saat mencari "couldn't sleep, bad night", sistem bahkan menemukan target kebiasaan tidur yang ditetapkan bertahun-tahun lalu — 4 dari 5 hasil tidak mengandung kata kunci pencarian
  • Hibrida: memberi peringkat terbaik seperti sleep quality improvement 89%, sleep interrupted at 3am 51%, health sleep optimization 42%
• Pola penggunaan yang direkomendasikan: 80% pencarian ditangani dengan BM25 (cocok untuk catatan terstruktur), lalu tambahkan pencarian semantik untuk transkrip dan memo tidak terstruktur

Contoh nyata penemuan lewat pencarian semantik

• Untuk kueri tak terstruktur seperti "find the days when I was happy and what was the reason", Claude otomatis menggabungkan beberapa pencarian:
  • Menjalankan beberapa pencarian seperti qmd vsearch "happy, grateful, excited", "energy, great day, feeling good", "satisfaction, accomplishment"
• Dari catatan harian selama berbulan-bulan, sistem menemukan keterkaitan semantik — muncul pola bahwa "hari-hari paling bahagia adalah saat merilis sesuatu lalu pulih dengan baik lewat sauna atau tidur 9 jam"

Skill /recall: memuat konteks sebelum mulai bekerja

• /recall adalah skill Claude Code yang berjalan di atas QMD dan secara otomatis memuat konteks sebelum mulai bekerja
• Mendukung tiga mode:
  • temporal: memindai riwayat sesi berbasis tanggal (/recall yesterday, /recall last week)
  • topic: pencarian BM25 pada collection target QMD (/recall topic graph)
  • graph: visualisasi interaktif sesi dan file (/recall graph last week)
• Hasil pengujian /recall yesterday: 39 sesi dalam satu hari direkonstruksi menjadi timeline — menampilkan waktu, jumlah pesan, dan isi pekerjaan tiap sesi
• Hasil /recall topic "QMD video": dalam waktu kurang dari 1 menit, sistem mengembalikan file terkait seperti dashboard, rencana produksi, dan daftar tugas dari seluruh sesi dan catatan — unggul atas grep brute force dari sisi waktu, token, dan kualitas hasil
• Mode graph memvisualisasikan sesi sebagai blob berwarna; sesi lama tampak pudar, sesi terbaru disorot ungu — file dikelompokkan menurut tipe seperti goals, research, voice, docs, content, skills
• Contoh: sesi pencarian tempat makan siang ditemukan lagi di graf seminggu kemudian, lalu path file-nya disalin ke Claude Code untuk melanjutkan pekerjaan dari percakapan sebelumnya

Pengindeksan otomatis 700 sesi

• Claude Code menyimpan semua percakapan secara lokal sebagai file JSONL — terkumpul 700 sesi selama 3 minggu
• Karena file asli berisi tool uses, system prompt, role, dll., isinya di-parse lalu diubah menjadi Markdown bersih (pesan pengguna dan sinyal yang benar-benar relevan) sebelum di-embed ke indeks QMD
• Saat terminal ditutup, hook otomatis dijalankan untuk mengekspor dan meng-embed sesi ke QMD — indeks selalu terbaru tanpa pekerjaan manual tambahan

Menemukan ide yang belum pernah dijalankan

• Saat mencari "find the ideas that I have never acted on", Claude merangkum hasil QMD dan menemukan:
  • 19 Oktober — ada rencana membuat dashboard penulisan PhD, tetapi tidak pernah dijalankan
  • Ada ide aplikasi berbasis ilustrasi, tetapi tidak ada tindak lanjut
  • Ada ide rekaman layar workflow Obsidian, tetapi tidak pernah dieksekusi
• Hal-hal yang ditulis beberapa bulan lalu dan benar-benar terlupakan bisa ditemukan kembali
• Semua embedding disimpan secara lokal

Workflow berpusat pada konteks

• Catatan tidak lagi terkurung di Obsidian, tetapi berubah menjadi konteks berguna yang dipakai untuk mencapai tujuan nyata
• Tool bisa berubah (model baru, agen baru), tetapi selama konteksnya dipertahankan, sistem tetap bisa berjalan di Claude Code, Codex, Gemini CLI, dan lainnya
• Lapisan memori berjalan di seluruh stack dalam bentuk skill
• Konfigurasi nyata: vault disinkronkan antara Mac dan Mac Mini yang selalu aktif lewat Obsidian Sync, lalu OpenClaw berjalan 24/7 di Mac Mini — saat mengakses OpenClaw dari ponsel, vault, indeks QMD, dan skill yang sama bisa dipakai dari mana saja
• Struktur seluruh stack:
  • bawah: Obsidian Vault
  • tengah: QMD Search
  • atas: Claude Code / OpenClaw
  • konteks mengalir dari bawah ke atas

• /recall cara memasang https://memory-artemzhutov.netlify.app/
• Lihat video demo lengkap - 42 menit, YouTube Making Claude Code Actually Remember Things

[mammal]

Akhir-akhir ini kenapa banyak sekali yang mati

[pjs102793]

wkwkwk

[t7vonn]

grep sudah mati. Gunakan ripgrep.

[galadbran]

Saya sempat berpikir untuk mencoba qmd, jadi saya meminta AI menelitinya. Katanya untuk sisi embedding lumayan, tetapi untuk BM25 dan perluasan kueri dukungan bahasa Korea kurang bagus, jadi tidak direkomendasikan...

[alstjr7375]

Hampir sebagian besar juga demikian di BM25.
Jadi, sebaiknya gunakan analisis morfologi bersama-sama.
https://github.com/bab2min/Kiwi

[cshj55]

Saya sudah coba cek faktanya, dan sepertinya tidak ada bukti yang akurat. Mungkin ada yang lain yang punya pengalaman serupa?

[dalinaum]

Karena BM25 adalah pencarian yang berfokus pada kata, pendapat galadbran tampaknya masuk akal.

[versionx]

Kalau dilihat lebih klasik, tampaknya teknik pencarian informasi yang benar-benar klasik hanya didaur ulang kembali pada level yang lebih lokal.

[redmi]

~~ sudah mati 💀💀💀

[ppj050]

Ini cuma RAG;

[lkaybob]

Karena di halaman instalasi diminta alamat email, saya kira ini repo privat, ternyata repo publik.
Silakan masuk melalui tautan di bawah ini.

https://github.com/ArtemXTech/personal-os-skills/…