Zleap-AI/SAG

何を解決するか

SAGは、従来のRAG (Retrieval-Augmented Generation) とGraphRAGに代わることを目的として設計されたナレッジベース・アプリケーションです。セマンティック検索のみの検索（dense RAG）の限界と、オフラインでのグラフ構築による高いメンテナンスコスト（GraphRAG）という課題に対し、セマンティック検索とリレーショナルな推論を単一のシステムに統合する新しい検索アーキテクチャを導入することで、これらを解決します。

仕組み

SAGは、ドキュメントをセマンティック的に完結した「events」と軽量な「entities」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、クエリ実行時に共有されたentitiesを介してSQL joinsを行うことで、「query-time dynamic hyperedges」を作成します。

プロセスは主に2つのフェーズに従います：

1. Offline Indexing: ドキュメントはチャンクに分割され、各チャンクに対して1つのeventが抽出され、複数のentitiesが抽出されて、リレーショナル・インデックスとベクトル・インデックスに保存されます。
2. Online Retrieval: システムはセマンティック/レキシカルな信号を介してシードとなるeventsとentitiesを見つけ出し、SQL joinsを使用して候補空間を拡張し、LLMが引用付きの回答を生成できるように元のエビデンス・チャンクを返します。

対象ユーザー

SAGは、ローカルファーストで検索可能、かつ追跡可能なナレッジベースを必要とする個人やAI Agents向けに構築されています。特に、Model Context Protocol (MCP) を介して、自身のプライベートデータを Claude Code や Codex といったAIツールに統合したいと考えている方に非常に有用です。

ハイライト

• SOTA Performance: HotpotQA, 2WikiMultiHopQA, および MuSiQue ベンチマークにおいて、ベースラインを上回る性能を発揮します。
• Local-First: デフォルトで SQLite と LanceDB を使用するため、外部データベースのインストールは不要です。
• Source Tracing: すべての検索結果と引用は、元のソース・チャンクに直接紐付けられます。
• Agent Integration: ナレッジをMCPサーバーとしてAIエージェントにマウントするための専用のCLIが含まれています。
• Interactive Exploration: ナレッジベースをインタラクティブな宇宙や3Dグラフとして可視化する「Explore mode」を搭載しています。