Zleap-AI/SAG

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

해결하는 문제

전통적인 RAG는 주로 의미적 유사성으로 청크를 검색하고, GraphRAG는 트리플 추출, 엔티티 병합, 관계 정규화, 어려운 증분 업데이트를 포함하는 값비싼 오프라인 그래프 구축을 추가합니다. SAG는 둘 다 하나의 독창적인 검색 아키텍처로 대체하므로, 사용자는 두 개의 RAG 시스템을 유지하거나 두 검색 경로를 병합할 필요 없이 단일 시스템에서 의미적 검색과 관계 추론을 얻을 수 있습니다. 또한 개인과 에이전트를 위한 완전한 지식 베이스 앱을 제공합니다: 문서 업로드, 구조화된 지식 획득, 소스 추적을 통한 소스 간 검색, 인용이 포함된 질문, API 또는 MCP를 통한 지식 재사용.

작동 방식

SAG는 SAG 아키텍처(쿼리 시 동적 하이퍼에지를 사용한 SQL 검색 증강 생성)를 기반으로 합니다. 인덱싱 시 각 문서 청크는 의미적으로 완전한 하나의 이벤트와 여러 인덱싱 엔티티로 파싱됩니다. 이벤트, 엔티티 및 그 연관은 관계형 저장소에 저장되고, 청크/이벤트/엔티티 표현은 벡터/전문 인덱스로 전송됩니다. 쿼리 시 의미 및 어휘 신호를 사용하여 시드 엔티티와 이벤트를 찾고, 공유 엔티티에 대한 SQL 조인을 사용하여 로컬 후보 공간으로 확장하고, 현재 쿼리와 관련된 하이퍼에지만 인스턴스화하고(전역 그래프 순회 또는 재구축 없음), 가장 강한 이벤트 및 직접 청크 후보를 선택하여 원본 증거 청크를 반환합니다. 증분 쓰기는 자연스럽습니다. 새 청크는 자체 이벤트/엔티티/연관만 추가하면 되고 전역 그래프를 다시 계산할 필요가 없기 때문입니다. 시스템은 SQLite와 LanceDB로 시작하며 외부 데이터베이스가 필요 없고 프로덕션을 위한 PostgreSQL/pgvector 경로가 있습니다.

대상 사용자

근거가 있고 인용된 답변을 갖춘 자체 호스팅, 로컬 우선 지식 베이스를 원하는 개인과 에이전트를 위한 것입니다. 데스크톱 앱(macOS 및 Windows) 또는 Docker 자체 호스팅 배포를 통해 최종 사용자에게 서비스를 제공하고, REST/OpenAPI, OpenAI 호환 채팅 엔드포인트, MCP 통합, CLI, Python 패키지 및 DeepSeek Harness 플러그인을 통해 개발자 또는 에이전트 프레임워크에도 서비스를 제공합니다. 사용자는 이벤트 추출, 쿼리 이해 및 생성을 위한 LLM과 인덱싱/벡터 검색을 위한 임베딩을 구성해야 합니다.

주요 특징

RAG와 GraphRAG의 융합이 아닌 독창적인 검색 아키텍처; 논문은 arXiv에 있으며 벤치마크는 재현 가능합니다.
이벤트는 트리플로 분할되지 않고 청크의 완전한 의미를 전달합니다. 엔티티는 경량 인덱스 및 확장 지점입니다.
쿼리 시 동적 하이퍼에지는 공유 엔티티에 대한 SQL 조인으로 로컬에서 생성되어 전역 그래프 유지 관리를 피합니다.
모든 검색 결과와 인용은 원본 청크에 매핑되어 소스 추적 및 검사가 가능합니다.
데스크톱 앱은 웹 작업 공간과 로컬 백엔드를 번들합니다. Python, Node 또는 데이터베이스 설치가 필요 없습니다.
소스 간 또는 소스 범위 검색, 이벤트-엔티티 그래프 탐색(2D 및 3D), 대화형 Explore 모드를 지원합니다.
통합에는 CLI를 통한 MCP 마운트, OpenAI 호환 엔드포인트, 스킬이 포함된 DeepSeek Harness 플러그인이 포함됩니다.
HotpotQA, 2WikiMultiHopQA 및 MuSiQue에서 최첨단 결과를 보고하며 평균 Recall@5 90.07% 및 F1 72.96%로 기준선을 각각 6.79 및 4.33포인트 능가합니다.
선택적 파서 유연성: PDF용 MinerU, 로컬 MarkItDown, 또는 로컬 변환 및 CSV 인코딩 감지를 위한 AnyDoc.