Search *(beta — AI 사용 비권장)*

Skill OS 흡수 규칙

• 이 skill이 공식 진입점이다. 삭제된 운영 문서 경로를 다시 안내하지 않는다.
• 공개 호출 방식과 대표 반환 형태는 skill에서 확인하고, 세부 필드는 capability/docstring으로 검산한다.
• 분석이나 변경 결과는 ref, 실행 로그, 테스트 결과로 검증한다.

실행 순서

• 1. scope — title 와 content 두 개로 간다 기준을 확인한다.
• 2. 호출 계약 — 네 패턴으로 간다 기준을 확인한다.
• 3. search vs listing — 내용 vs 카탈로그로 나눈다 기준을 확인한다.
• 4. 구조 — core/search/ 3 모듈로 간다 기준을 확인한다.
• 5. content 인덱스 — main + delta 세그먼트로 간다 기준을 확인한다.
• scope="title" (기본): report_nm + section_title ngram 검색. 제목형 쿼리 전용 (“유상증자”, “대표이사 변경”). 95% precision · 1ms.
• scope="content": section_content 본문 BM25 검색. 개념/내용형 쿼리 전용 (“반도체 HBM 투자”, “환율 변동 리스크”).
• 두 엔진은 독립. 가중치 합산은 쓰지 않는다 — 실험 116 에서 합산 방식은 품질 저하 확인됨.
• 외부 모델/서버 불필요 — 로컬 numpy 역인덱스만으로 동작.

공개 호출 방식

• dartlab.search("삼성전자 공시")
• dartlab.Company("005930").disclosure()

호출 동작

• 공시/문서/참조 텍스트를 검색한다. 인덱스 신선도가 부족하면 beta 한계를 명시하고 단일 종목 공시는 Company 경유를 우선한다.
• 실행 전에 target, period/date, metric, source 또는 universe를 확인한다.
• 데이터가 없거나 runtime 제한이 있으면 값을 추정하지 않고 한계와 필요한 다음 수집 경로를 말한다.

대표 반환 형태

• search result list/DataFrame을 반환한다. 핵심 컬럼은 title, snippet, source, date, score, url/ref다.
• 전체 세부 필드는 공개 docstring/capability와 동기화한다. 코드/API 변경으로 이 설명이 오래되면 skill 갱신 누락으로 본다.

기본 검증

• 실행 결과는 tableRef, valueRef, dateRef, executionRef 중 필요한 근거로 남긴다.
• 최종 판단의 숫자 claim은 해당 table/value ref에 직접 묶는다.
• 스킬과 실제 공개 API의 호출 방식, 대표 반환 형태, 오류/제한 동작이 다르면 같은 변경에서 스킬을 갱신한다.