Kann ich Mem vibecoden?

Baue mir eine bedeutungsbasierte Suche über meine eigenen Notizen, den Kern von Mem. Anforderungen:

- Ein Python-Prozess mit Typer, SQLite und sentence-transformers. Die Einbettungen werden lokal gerechnet, kein Text verlässt den Rechner.
- Eingang ist ein Ordner mit Markdown-Notizen. Ein Lauf zerlegt jede Notiz in Absätze und speichert je Absatz Text, Datei, Zeilenbereich und Vektor.
- Nur geänderte Dateien werden neu eingebettet, erkannt am Hash. Sonst rechnet jeder Lauf alles neu, und dann läuft er nicht täglich.
- Suche kombiniert zwei Wege: Volltext über SQLite FTS5 und Ähnlichkeit über die Vektoren. Die Ergebnisse werden zusammengeführt, und jeder Treffer zeigt, aus welchem der beiden Wege er kommt. Bedeutungssuche allein findet Ähnliches statt Richtiges, und das erkennt man nur, wenn beide Wege sichtbar sind.
- Ein Befehl related nimmt eine Notiz und zeigt die inhaltlich nächsten anderen, mit Ähnlichkeitswert. Das ist die Funktion, für die man so ein Werkzeug überhaupt baut.
- Ein Befehl orphans zeigt Notizen, die zu keiner anderen eine Ähnlichkeit über einem Schwellwert haben. Das sind die vergessenen.
- Ein Befehl daily zeigt drei zufällige ältere Notizen aus dem Bestand, gewichtet nach Alter.
- Alles läuft im Terminal, jeder Treffer nennt Datei und Zeile, damit du sie im Editor öffnen kannst.
- Deutsch sind Ausgaben, Kommentare und README. Alle Bezeichner bleiben englisch: Befehle, Optionen, Tabellen, Spalten.

Bewusst weglassen:

- Einen Editor. Deine Notizen bearbeitest du weiter in deinem Programm.
- Automatisches Ordnen und Verschlagworten durch ein Modell.
- Synchronisierung und Zusammenarbeit.