Zleap-AI/SAG

A new SOTA for RAG — an original retrieval architecture and an open-source knowledge base for humans and agents.

解決する課題

SAGは、従来の密ベクトルRAG（主に意味的類似性に依存）およびGraphRAG（高コストなオフライングラフ構築と複雑なメンテナンスが必要）の限界を解決します。2つの個別のシステムを維持することなく、意味検索と関係推論の両方を処理できる統合された検索アーキテクチャを提供します。

仕組み

SAGは、ドキュメントを意味的に完全な「イベント」と軽量な「エンティティ」にパースする独自のデータモデルを使用します。グローバルなナレッジグラフを事前に構築する代わりに、SQL joinを使用して、特定のクエリに基づいてエンティティを共有するイベントを接続する「クエリ時動的ハイパーエッジ」を作成します。

プロセスは2つのフェーズで構成されます：

  1. オフラインインデックス作成: ドキュメントをチャンク化し、イベントとエンティティを抽出して、リレーショナルストレージ（SQLite/PostgreSQL）とベクトルインデックス（LanceDB/pgvector）に保存します。
  2. オンライン検索: システムがシードとなるイベントとエンティティを見つけ、SQL joinを介して候補空間を拡張し、生成と引用のために元のエビデンスチャンクを返します。

対象ユーザー

  • 個人: ソース追跡と引用付きの回答を備えた、ドキュメント用のローカルファーストなナレッジベースを求めるユーザー。
  • AIエージェント: APIまたはModel Context Protocol (MCP) を介してアクセス可能な、構造化された検索可能なナレッジベースを必要とするエージェントを構築する開発者。
  • 開発者: 自身のアプリケーションに組み込むための高性能なRAGエンジン（zleap-sag Python package）を探している方。

ハイライト

  • SOTAパフォーマンス: HotpotQA、2WikiMultiHopQA、およびMuSiQueデータセットにおいて、9つのRecall指標のうち8つでHippoRAG 2を上回る性能を発揮します。
  • ローカルファースト: バンドルされたデスクトップアプリは外部データベースのインストールを必要とせず、デフォルトでSQLiteとLanceDBを使用します。
  • ソース追跡可能性: すべての検索結果と引用は、元のソースチャンクに直接マッピングされます。
  • 統合準備完了: OpenAI互換のチャットエンドポイントと、Claude Codeのようなエージェント向けの公式MCP Skillが含まれています。
  • インタラクティブな探索: ナレッジベースをイベントとエンティティのインタラクティブな宇宙として可視化する「探索モード」を備えています。