Zleap-AI/SAG

해결하는 문제

SAG는 전통적인 RAG(Retrieval-Augmented Generation)과 GraphRAG를 대체하기 위해 설계된 지식 기반 애플리케이션입니다. 의미 중심 검색(밀도 RAG)의 한계와 오프라인 그래프 구축의 높은 유지보수 부담(GrpahRAG)을 해결하기 위해, 의미 검색과 관계 추론을 하나의 시스템에 통합하는 새로운 검색 아키텍처를 도입합니다.

작동 방식

SAG는 문서를 의미적으로 완전한 "이벤트"와 가벼운 "엔티티"로 파싱하는 고유한 데이터 모델을 사용합니다. 전역 지식 그래프를 미리 구축하는 대신, 쿼리가 요청될 때 공유된 엔티티를 기반으로 SQL 조인을 사용해 "쿼리 시간 동적 하이퍼엣지"를 생성합니다.

이 과정은 두 가지 주요 단계로 나뉩니다:

1. 오프라인 인덱싱: 문서는 청크로 분할되며, 각 청크에 대해 하나의 이벤트와 여러 엔티티가 추출되어 관계형 및 벡터 인덱스에 저장됩니다.
2. 온라인 검색: 시스템은 의미적/어휘적 신호를 통해 시드 이벤트와 엔티티를 찾고, SQL 조인을 사용해 후보 공간을 확장한 후, LLM이 인용된 답변을 생성할 수 있도록 원본 증거 청크를 반환합니다.

대상 사용자

SAG는 로컬 우선, 검색 가능하고 추적 가능한 지식 기반을 필요로 하는 개인 및 AI 에이전트를 위한 것입니다. 특히 개인 데이터를 Claude Code 또는 Codex와 같은 AI 도구에 Model Context Protocol(MCP)을 통해 통합하고자 하는 사용자에게 특히 유용합니다.

주요 특징

• 최고 성능(SOTA): HotpotQA, 2WikiMultiHopQA, MuSiQue 벤치마크에서 기준 모델을 능가합니다.
• 로컬 우선: 기본적으로 SQLite와 LanceDB를 사용하여 외부 데이터베이스 설치가 필요 없습니다.
• 소스 추적: 모든 검색 결과와 인용은 원본 청크로 직접 연결됩니다.
• 에이전트 통합: 지식을 AI 에이전트에 MCP 서버로 마운트하기 위한 전용 CLI를 포함합니다.
• 인터랙티브 탐색: 지식 기반을 인터랙티브한 우주 또는 3D 그래프로 시각화할 수 있는 "탐색 모드"를 제공합니다.