fix(brain): Memory-Suche filtert jetzt Rauschen — score_threshold + kleineres k

Bug: bei kleiner DB (31 Eintraege) lieferte die Suche fuer JEDES Wort
fast alles als Treffer zurueck — k=20 Top-N ohne Threshold sorgte
dafuer dass auch "banane" zehn vermeintliche Treffer mit Scores
0.09-0.22 (= Rauschen) zurueckgab.

Fix:
- vector_store.search() bekommt optional score_threshold (an Qdrant
  durchgereicht, das nimmt's nativ)
- /memory/search endpoint hat score_threshold-Query-Param (default 0.30)
- Diagnostic schickt k=10 + score_threshold=0.30 statt k=20 ohne Threshold
- "Keine Treffer"-Info-Box wenn alle Treffer < Threshold

MiniLM-multilingual liefert typischerweise:
  >0.50 → starker Treffer
  0.30-0.50 → relevant
  0.20-0.30 → grenzwertig
  <0.20 → Rauschen

Mit score_threshold=0 (oder None) bleibt die alte Top-N-Semantik
fuer Aufrufer die Rauschen explizit wollen.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

aria-brain/main.py

@@ -182,9 +182,21 @@ def memory_pinned():
 
 
 @app.get("/memory/search", response_model=List[MemoryOut])
-def memory_search(q: str, k: int = 5, type: Optional[str] = None, include_pinned: bool = False):
+def memory_search(
+    q: str,
+    k: int = 5,
+    type: Optional[str] = None,
+    include_pinned: bool = False,
+    score_threshold: Optional[float] = 0.30,
+):
+    """Semantische Suche. score_threshold filtert schwache Treffer raus
+    (Default 0.30 — MiniLM-multilingual liefert <0.25 fuer Rauschen).
+    Mit score_threshold=0 wird komplett Top-k zurueckgegeben."""
     vec = embedder().embed(q)
-    points = store().search(vec, k=k, type_filter=type, exclude_pinned=not include_pinned)
+    points = store().search(
+        vec, k=k, type_filter=type, exclude_pinned=not include_pinned,
+        score_threshold=score_threshold if score_threshold and score_threshold > 0 else None,
+    )
     return [MemoryOut.from_point(p) for p in points]
 
 

aria-brain/memory/vector_store.py

@@ -184,9 +184,14 @@ class VectorStore:
         k: int = 5,
         type_filter: Optional[str] = None,
         exclude_pinned: bool = True,
+        score_threshold: Optional[float] = None,
     ) -> List[MemoryPoint]:
         """Semantische Search. Standard: pinned-Punkte ausgeschlossen
-        (die kommen separat via list_pinned in den Prompt)."""
+        (die kommen separat via list_pinned in den Prompt).
+
+        score_threshold: nur Treffer mit Cosine-Similarity >= Schwelle
+        zurueckgeben. None = keine Filterung. MiniLM-multilingual liefert
+        typischerweise 0.3-0.6 fuer relevante Treffer; <0.25 ist Rauschen."""
         must = []
         must_not = []
         if type_filter:
@@ -202,6 +207,7 @@ class VectorStore:
             query_filter=flt if (must or must_not) else None,
             limit=k,
             with_payload=True,
+            score_threshold=score_threshold,
         )
         return [MemoryPoint.from_qdrant(p) for p in results]