Deniz Kuvvetleri'ndeki görevi sırasında, yazar 3470 sayfalık Joint Fleet Maintenance Manual (JFMM) adlı kılavuzu sık sık kullanmak zorunda kalmıştır. Bu devasa PDF dokümanında arama yapmak, yavaş devlet bilgisayarları ve sadece kelime eşleşmesine dayalı arama motorları nedeniyle oldukça verimsizdi. Her sorgu dakikalar sürüyordu ve tam kelime eşleşmesi olmadığında sonuç alınamıyordu, bu da büyük bir hayal kırıklığı yaratıyordu. Yazar, bu soruna daha iyi bir çözüm bulmak amacıyla, Deniz Kuvvetleri'nden ayrıldıktan sonra yazılım alanındaki tecrübelerini kullanarak JFMM.net'i kurdu ve kılavuz için semantik bir arama motoru geliştirdi.
Geliştirilen semantik arama motoru, geleneksel metin aramalarının aksine, sorgunun anlamını eşleştiren sonuçlar bulmayı hedefler. Bu sistem, metin parçalarını makine öğrenimi modelleri aracılığıyla vektörlere (embedding) dönüştürerek çalışır. Benzer anlama sahip metin parçaları, vektör uzayında birbirine yakın konumlanır. Kullanıcı bir sorgu yaptığında, sistem sorguyu da bir vektöre dönüştürür ve ardından önceden oluşturulmuş belge vektörleri arasında en yakın komşuları arar. Bu işlem için Unstructured ile metinler çıkarılmış, nomic-embed-text-v1.5 ile embedding'ler oluşturulmuş ve PGVector eklentisi yüklü bir Postgres veri tabanında saklanmıştır. Bu yaklaşım, arama hızını artırırken, kullanıcıların tam kelime eşleşmesi olmadan da ilgili bilgilere ulaşmasını sağlamaktadır.
Semantik arama teknolojisi, büyük ve karmaşık dokümanlarda bilgiye erişimi devrim niteliğinde kolaylaştırarak verimliliği önemli ölçüde artırır.