knowhere: エージェント型 RAG 用の階層グラフに非構造化データを変換するドキュメント メモリ レイヤー

何が問題か

Knowhere は、AI エージェントが使用しにくい「汚れた」非構造化ドキュメント（複雑な PDF、Office ファイル、画像など）の問題に対処します。従来の RAG はこれらのドキュメントを孤立したテキスト スニペットに平坦化しがちで、これにより意味的コンテキストと階層が失われ、AI エージェントの応答の精度と信頼性が低下します。

どうやって動作するか

Knowhere は、ドキュメントを 2 つの主要な段階で処理するメモリ レイヤーとして機能します:

1. パースとメモリ構築: 専用パーサー（例えば MinerU）を使用してマルチモーダル ファイルを取り込みます。その後、独自の木構造アルゴリズムがドキュメントの元の階層を再構築し、軽量メモリ グラフを構築します。これにより、チャンクは意味的コンテキストと関係を保持します。
2. エージェント型検索: 単純なベクトル ルックアップではなく、AI エージェントは再構築されたセクション ツリーとグラフ リンクをナビゲートします。これにより、エージェントは人間の読者が行うように、ドキュメントの関連領域に「ドリルダウン」し、追跡可能なソース パスに基づいて引用を提供できます。

対象者

これは、高い検索精度と証拠に基づくトレーサビリティを維持しながら、複雑で長文またはマルチモーダルのドキュメントを処理する必要がある AI エージェントおよび Agentic RAG ワークフローを構築する開発者向けに設計されています。

ハイライト

• マルチモーダル サポート: VLMs を使用して表と画像を抽出および要約し、ソース テキストにリンクします。
• 階層の保存: ドキュメント構造を再構築し、意味の断片化を防ぎます。
• エージェント型ナビゲーション: 従来の検索 (RRF) とドキュメント ツリーおよびグラフの自律ナビゲーションを組み合わせます。
• 広範なフォーマット サポート: PDF、DOCX、PPTX、XLSX、CSV、画像、Markdown、テキストを処理します。
• モデルに依存しない: DeepSeek、Qwen、OpenAI などのさまざまな LLM/VLM プロバイダーをサポートします。