VectifyAI/OpenKB

해결하는 문제

OpenKB는 파편화된 원본 문서를 구조화되고 상호 연결된 위키 스타일의 지식 베이스로 변환합니다. 매 쿼리마다 정보를 처음부터 검색하는 전통적인 RAG와 달리, OpenKB는 지식을 한 번 컴파일하여 정보가 축적되고 상호 참조가 자동으로 유지되는 영구적이고 진화하는 위키로 만듭니다.

작동 방식

OpenKB는 LLM을 사용하여 문서(PDF, Word, Markdown, URL 등)를 처리하고, wikilink가 포함된 일반 Markdown 파일을 사용하여 요약, 개념 페이지 및 엔티티 페이지(사람, 조직, 장소, 제품)로 컴파일합니다.

긴 문서(일반적으로 20페이지 이상)의 경우 PageIndex와 통합하여 계층적 트리 인덱스를 생성함으로써, LLM이 전체 텍스트를 읽는 대신 문서 구조를 기반으로 추론할 수 있도록 합니다. 이러한 벡터리스(vectorless) 추론 기반 검색은 복잡한 파일에 대한 정확성을 보장합니다. 결과물인 위키는 Obsidian과 호환되며 Google Open Knowledge Format (OKF) 사양을 따릅니다.

대상 사용자

대량의 기술 문서, 연구 논문 또는 기업 지식을 관리해야 하며, 다른 AI 에이전트(Claude Code 또는 Gemini CLI 등)에 재배포 가능한 "기술(skill)"로 통합할 수 있는 영구적이고 사람이 읽을 수 있는 지식 베이스를 원하는 사용자들을 위해 설계되었습니다.

주요 특징

• 벡터리스 검색: 긴 문서에 대해 전통적인 벡터 데이터베이스 대신 PageIndex 트리 인덱싱을 사용합니다.
• 컴파일된 위키: 개념 및 엔티티에 대해 상호 연결된 Markdown 페이지를 자동으로 생성하고 업데이트합니다.
• 멀티모달 지원: 도표, 표 및 이미지를 검색하고 이해할 수 있습니다.
• 스킬 팩토리: 위키의 지식을 다른 LLM 기반 도구를 위한 휴대 가능한 에이전트 기술로 추출합니다.
• Obsidian 통합: 위키가 일반 .md 파일로 저장되어 Obsidian의 그래프 뷰와 네이티브하게 호환됩니다。
• 지식 워크벤치: 지식 베이스를 탐색, 업로드 및 쿼리할 수 있는 웹 UI가 포함되어 있습니다.