/**
 * #59 (ADR-048 Phase 4): MemoryRank rerank — 검색/활용
 *
 * ADR-048 섹션 8 Stage 매핑:
 *   Stage B Expand    : expandCandidates — 현 규모(≈4.5k)는 전역 PPR 산출물(memory_edges
 *                       fused weight) 1-hop 참조로 갈음. per-query Forward-Push는 설계 목표 규모용.
 *   Stage C Rerank    : applyMemoryRankPrior — finalScore = relevance^μ · prior^ν (μ=1 고정)
 *                       relevance = HybridRanker RRF totalScore. ADR 수식의 recencyFit·tierFit은
 *                       기존 HybridRanker recencyDecay·tierBoost로 매핑 (이중 적용 회피).
 *                       prior = g(memoryrank): 후보셋 min-max 정규화 → floor + (1-floor)·norm.
 *                       rank 미계산(신규 메모리)은 norm 0.5 중립 — cold-start 보호 (섹션 13).
 *   Stage D Diversify : diversify — dup-cluster(cluster_id) 당 1개 + MMR (embedding cosine).
 *   축 ④ Assembly     : assembleWithinBudget — 토큰 예산 greedy 한계이득/토큰비.
 *
 * 3 caller(SessionStart / UserPromptSubmit / CLI search) 단일 source — 인라인 중복 금지.
 */
import type { Memory } from '../types/index.js';
import type { RankedResult } from './ranker.js';
import type { MemoryDatabase } from '../db/database.js';
/** config.search.rerank와 동형 (기본값은 config/manager.ts zod default가 SSOT) */
export interface MemoryRankRerankConfig {
    enabled: boolean;
    nu: number;
    floor: number;
    expand: boolean;
    expandLimit: number;
    mmrLambda: number;
}
export declare const DEFAULT_RERANK_CONFIG: MemoryRankRerankConfig;
/**
 * Stage C — MemoryRank prior 곱셈 rerank.
 * 후보셋 내 min-max 정규화(실측 분포 -0.05~0.55, 스케일 무관화) 후
 * prior = floor + (1-floor)·norm, score *= prior^ν.
 * 전원 미계산이면 no-op (분포 정보 없음 — 기존 순위 보존).
 */
export declare function applyMemoryRankPrior(results: RankedResult[], options?: {
    nu?: number;
    floor?: number;
}): RankedResult[];
/**
 * Stage B — 그래프 확장: 상위 seed의 memory_edges 이웃을 후보군에 흡수.
 * 확장 후보 score = seed 최저 score × expandWeight × edge weight (기존 후보보다 항상 하위 시작
 * — prior/diversify에서 재평가). DB 오류 시 원본 그대로 (graceful degradation).
 */
export declare function expandCandidates(db: MemoryDatabase, ranked: RankedResult[], options?: {
    seedCount?: number;
    expandLimit?: number;
    expandWeight?: number;
}): RankedResult[];
/**
 * Stage D — MMR diversify + dup-cluster 제거.
 * 동일 cluster_id는 최고 score 1개만. embedding 보유 쌍은 MMR
 * (λ·rel − (1−λ)·maxSimToSelected)로 near-dup 폭주 방지.
 */
export declare function diversify(results: RankedResult[], options: {
    limit: number;
    mmrLambda?: number;
}): RankedResult[];
/**
 * 축 ④ — 토큰 예산 조립: greedy 한계이득/토큰비(score/tokens) 선택 (submodular knapsack 근사).
 * 예산 내면 전원 통과 (현 주입 규모에서는 보통 no-op — 메모리 증가 시 발동).
 * 반환은 score 내림차순 (표시 순서 보존).
 */
export declare function assembleWithinBudget(results: RankedResult[], maxTokens: number, estimateTokens?: (memory: Memory) => number): RankedResult[];
/**
 * 파이프라인 헬퍼 — expand → prior → diversify. 3 caller 공통 진입점.
 * db 미전달 시 expand skip (UserPromptSubmit realtime — 성능 제약).
 */
export declare function applyContextRankRerank(params: {
    ranked: RankedResult[];
    limit: number;
    config?: Partial<MemoryRankRerankConfig>;
    db?: MemoryDatabase;
}): RankedResult[];
//# sourceMappingURL=memoryrank-rerank.d.ts.map