Zleap-AI/SAG

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

해결하는 문제

SAG는 기존의 밀집(dense) RAG(주로 의미적 유사성에 의존)와 GraphRAG(비싼 오프라인 그래프 구축 및 복잡한 유지 관리가 필요)의 한계를 해결합니다. 두 개의 별도 시스템을 유지할 필요 없이 의미론적 검색과 관계 추론을 모두 처리할 수 있는 통합된 검색 아키텍처를 제공합니다.

작동 방식

SAG는 문서를 의미적으로 완전한 "이벤트"와 경량 "엔티티"로 파싱하는 독특한 데이터 모델을 사용합니다. 글로벌 지식 그래프를 사전에 구축하는 대신, SQL join을 사용하여 특정 쿼리에 따라 엔티티를 공유하는 이벤트를 연결하는 "쿼리 시점 동적 하이퍼에지"를 생성합니다.

프로세스는 두 단계로 진행됩니다:

  1. 오프라인 인덱싱: 문서를 청크로 나누고, 이벤트와 엔티티를 추출하여 관계형 저장소(SQLite/PostgreSQL) 및 벡터 인덱스(LanceDB/pgvector)에 저장합니다.
  2. 온라인 검색: 시스템이 시드 이벤트와 엔티티를 찾고, SQL join을 통해 후보 공간을 확장하며, 생성 및 인용을 위해 원래의 증거 청크를 반환합니다.

대상 사용자

  • 개인: 출처 추적 및 인용된 답변 기능이 있는 로컬 우선(local-first) 문서 지식 베이스를 원하는 사용자.
  • AI 에이전트: API 또는 Model Context Protocol (MCP)를 통해 접근 가능한 구조화되고 검색 가능한 지식 베이스가 필요한 에이전트를 구축하는 개발자.
  • 개발자: 자신의 애플리케이션에 내장할 고성능 RAG 엔진(zleap-sag Python package)을 찾는 개발자.

주요 특징

  • SOTA 성능: HotpotQA, 2WikiMultiHopQA, MuSiQue 데이터셋의 9개 Recall 지표 중 8개에서 HippoRAG 2를 능가합니다.
  • 로컬 우선: 번들로 제공되는 데스크톱 앱은 외부 데이터베이스 설치가 필요 없으며, 기본적으로 SQLite와 LanceDB를 사용합니다.
  • 출처 추적 가능성: 모든 검색 결과와 인용은 원래의 소스 청크로 직접 매핑됩니다.
  • 통합 준비 완료: OpenAI 호환 채팅 엔드포인트와 Claude Code와 같은 에이전트를 위한 공식 MCP Skill을 포함합니다.
  • 대화형 탐색: 지식 베이스를 이벤트와 엔티티의 인터랙티브한 우주로 시각화하는 "탐색 모드"를 제공합니다.