Search Candy
SearchCandy Labs · Coding · Business
Search Candy ist eine gehostete Retrieval-Schicht für KI-Agenten von SearchCandy Labs. Der Temporal Graph Memory gibt exakte Textstellen mit Datei und Version zurück und ruft dabei kein LLM auf.
Über Search Candy
About
Was ist Search Candy
Search Candy ist ein Dienst für KI-Dokumentensuche, der sich an KI-Agenten richtet. SearchCandy Labs positioniert ihn als Ersatz für den Chunking-Schritt einer üblichen Retrieval-Pipeline. Sie laden Text- und Markdown-Dateien hoch, das System baut den Temporal Graph Memory (TGM) auf, und Ihr Agent stellt Fragen an diesen Graphen.
Das Ziel ist Nachvollziehbarkeit. In einem gewöhnlichen Vektorspeicher werden Dokumente in Blöcke fester Größe zerlegt, ein Block beginnt manchmal mitten im Satz, und die Antwort verrät selten, aus welcher Datei sie stammt. Search Candy hält pro Datei einen eigenen Cluster, schneidet Textstellen am Satzende und liefert den Originalwortlaut mit Dateiname und Versionsnummer zu jedem Treffer. Fragen Sie nach der Herkunft einer Antwort, bekommen Sie eine Quelle statt eines Ähnlichkeitswerts.
Der Umfang bleibt eng. Das ist Infrastruktur für Teams, die bereits einen Agenten betreiben, kein Chatprodukt. In der Retrieval-Engine steckt kein generatives Modell, Search Candy formuliert die Antwort also nicht selbst. Außerdem liest der Dienst derzeit nur Text und Markdown; andere Formate werden beim Onboarding umgewandelt.
Erste Schritte
- Buchen Sie über die Website von SearchCandy Labs ein 30-minütiges Gespräch und bringen Sie die Fragen mit, die Ihre KI zuverlässig beantworten muss.
- Das Team richtet Ihr Konto ein und schickt den Anmeldelink per E-Mail.
- Laden Sie Ihre Text- oder Markdown-Dateien hoch und bewahren Sie die Bestätigung zu jeder Datei auf.
- Binden Sie die Python-Bibliothek ein und verweisen Sie auf Ihr eigenes Embedding-Modell, wenn Sie beim bisherigen bleiben wollen.
- Fragen Sie über Ihren Agenten ab und lesen Sie die gelieferte Textstelle, den Dateinamen und die Version.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Search Candy.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Entwickler, die KI-Agenten bauen
- Teams mit einem großen Bestand an Richtlinien oder Verträgen
- Leiterinnen und Leiter von Support und Dokumentation
Aufgaben
- Antworten mit Zitaten belegen
- Zweistufige Fragen beantworten
- Prüfen, was eine KI im Vormonat gesehen hat
- Das Feintuning der Chunk-Größe ersetzen
Szenarien
- Ein erster Retrieval-Prototyp
- Vertragsprüfung über Fassungen hinweg
- Belege an einen Support-Agenten liefern
Wichtigste Funktionen
Dokumentgraph statt Chunks
Search Candy legt jede hochgeladene Datei als eigenen Cluster an und lässt kurze Dateien ganz. Längere Dokumente zerfallen in Textstellen, die am Satzende enden, und jede Textstelle bleibt an ihre Datei gebunden. Genau diese Struktur macht das Zitat möglich: Der Treffer weiß, aus welchem Dokument er stammt, weil der Bezug nie verloren geht.
Retrieval in zwei Durchläufen
Führt ein Fakt zum nächsten, sucht die Engine erneut mit der gerade gefundenen Textstelle. Bei HotpotQA, einem öffentlichen Satz von 7.405 zweistufigen Fragen, lag laut Search Candy jede benötigte Textstelle in 98,4 Prozent der Fälle unter den ersten 20 Treffern, gegenüber 94,8 Prozent bei einer einfachen Suche über dieselben Dokumente. Das sind Anbieterzahlen, prüfen Sie sie mit Ihren eigenen Fragen.
Versionshistorie von Dokumenten
Die Versionshistorie von Dokumenten unterschätzen die meisten Teams am Anfang. Jede Fassung einer Datei bleibt im Graphen, Sie können also ein vergangenes Datum abfragen und dieselben Textstellen Wort für Wort abrufen. Wer Fragen zu Richtlinien, Preisen oder Verträgen beantwortet, macht aus der Frage nach dem Stand im März eine Abfrage.
Wörtliche Textstellen mit Quelle
Die Treffer kommen als Originaltext zurück, nie umgeschrieben, jeder mit Datei und Version versehen. Fragen ohne Beleg markiert Search Candy zusätzlich mit dem Signal not_covered. Das zählt, wenn eine falsche Antwort teurer ist als gar keine.
Kein LLM im Retrieval-Kreislauf
Die Retrieval-Engine ruft kein Sprachmodell auf, die Suche in Ihren Dokumenten erzeugt also keine Tokenkosten. Die Antwort schreibt weiterhin Ihr Agent mit seinem eigenen Modell. In einem internen Assistenten mit hohem Volumen bleibt der Retrieval-Aufwand dadurch stabil, auch wenn die Anfragen zunehmen.
Gehosteter Betrieb und eigene Embeddings
SearchCandy Labs betreibt den Dienst, Sie müssen nichts ausrollen. Sie können ein vorhandenes Embedding-Modell mitbringen, statt das des Anbieters zu übernehmen, und eine Python-Bibliothek übernimmt die Anbindung. Der Preis dafür: Hosting, Berechtigungen und Cloud-Auswahl liegen vorerst beim Anbieter.
Vor- und Nachteile
Vorteile
- Jeder Treffer nennt Datei und Version, eine Zitatprüfung dauert Sekunden.
- Keine Chunk-Größe, keine Überlappung und kein Splitter, die vor dem ersten brauchbaren Ergebnis eingestellt werden müssen.
- Die Versionshistorie beantwortet Fragen zu einem vergangenen Datum, was kaum ein Vektorspeicher leistet.
- Die Engine ruft kein LLM auf, das Dokumentvolumen schlägt also nicht als Tokenausgabe durch.
- Die öffentliche Benchmark-Seite nennt die Einschränkungen und die Fälle, in denen der Anbieter nur gleichauf mit der Vergleichsbasis liegt.
Nachteile
- Derzeit funktionieren nur Text- und Markdown-Dateien, PDFs und gescannte Verträge brauchen beim Onboarding eine Umwandlung.
- Es gibt noch keinen SOC-2-Bericht, keine Rechteverwaltung und keine Self-Hosted-Variante, was regulierte Käufer ausschließt.
- Der Zugang beginnt mit einem Verkaufsgespräch und der Preis bleibt privat, eine Bewertung am Sonntagabend ist also nicht möglich.
- Im eigenen BEIR-Test liegt Search Candy gleichauf mit der Standardkonfiguration von LangChain. Der echte Gewinn liegt in Nachvollziehbarkeit und zweistufigen Fragen, nicht im Recall der ersten zehn Treffer.
Häufige Fragen
Das ist die Struktur, die Search Candy aus Ihren Dateien baut. Jedes Dokument wird ein eigener Cluster, dahinter stapeln sich seine Versionen, und die Textstellen liegen in diesem Cluster statt in einem gemeinsamen Haufen aus Chunks. Der Punkt ist, den Bezug zwischen Textstelle und Herkunft nie zu verlieren.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Search Candy.
Alternativen zu Search Candy
Base Code
Base44 (Wix) · Coding · ProduktivitätBase Code ist eine geteilte Cloud-Entwicklungsumgebung von Base44. Das Team beschreibt Änderungen an einem bestehenden GitHub-Repository im Chat, prüft sie in der Vorschau und reicht sie als Pull Request ein.
Google EmbeddingGemma 2
Google DeepMind · Schreiben · Bilder · CodingGoogle EmbeddingGemma 2 ist ein offenes Modell mit 740 Millionen Parametern, das Text, Code, Bilder, Audio und Videobilder in Vektoren eines gemeinsamen 768-dimensionalen Raums umwandelt und auf Handys und Notebooks läuft.
GitGlow
GitGlow · Coding · ProduktivitätGitGlow ist ein Git-Client für den Desktop, der Ihren Code und die Änderungen Ihrer KI-Agenten in einer Review bündelt, damit Sie vor dem Ausliefern sehen, was die Maschine verlässt.