benchen4395/alpha_agentic_search

해결하는 문제

Alpha Agentic Search (AAS)는 기존 AI 검색 에이전트의 불안정성, 높은 지연 시간, 지속성 부족을 해결합니다. 구조화된 멀티 에이전트 파이프라인과 계층형 메모리 시스템을 구현하여 순수 연구 중심의 고지연 자기 진화 에이전트의 단점을 피하고, "사용할수록 강해지는" Perplexity와 유사한 검색 경험을 만드는 것을 목표로 합니다.

작동 방식

시스템은 고전적인 Route → Rewrite → Retrieve → Verify → Summary 파이프라인을 따릅니다:

1. 라우팅: 라우터는 쿼리가 전문 도구(예: 날씨, GitHub, arXiv)로 처리될 수 있는지 또는 검색 파이프라인이 필요한지 결정합니다.
2. 쿼리 재작성: 검색 전에 쿼리에 시간 및 위치 컨텍스트를 포함하도록 재작성됩니다.
3. 계층형 RAG (L1–L5): 시스템은 5개 계층에서 병렬로 정보를 검색합니다:
   • L1 (QA 캐시): 밀리초 응답을 위한 고빈도 Q&A.
   • L2 (상식): 일반 지식을 위한 Wikipedia 기반 벡터 인덱스.
   • L3 (히스토리): 사용자 선호도를 파악하기 위한 과거 성공 답변의 증분 FAISS 인덱스.
   • L4 (웹): Tavily 또는 Serper와 같은 공급자를 통한 실시간 웹 검색.
   • L5 (지식 그래프): 다중 홉 쿼리를 위한 Wikidata 기반 구조화된 사실.
4. 융합 및 보정: 결과는 Reciprocal Rank Fusion (RRF)을 사용하여 병합되고 Platt 스케일링을 통해 통합 신뢰 점수로 보정됩니다. 단일 쿼리의 여러 엔티티가 모두 표현되도록 "쿼터 기반" 융합을 사용합니다.
5. 요약 및 출처 표시: LLM이 인용문과 함께 최종 답변을 생성하고, 이후 "인용 환각"을 방지하기 위해 검증됩니다.

대상 사용자

• AI 검색 초보자: 시작하기에 안정적이고 문서화가 잘 된 프레임워크를 찾는 사람.
• AI 엔지니어: 지연 시간 관리 및 안전 가드가 있는 프로덕션 준비 검색 에이전트를 구현하려는 개발자.
• AI 검색 아키텍트: 계층형 메모리 RAG 및 지식 그래프의 엔티티 중의성 해소에 관심이 있는 전문가.

주요 특징

• 5계층 메모리 스택: 포괄적인 검색을 위해 캐시, Wikipedia, 사용자 히스토리, 실시간 웹, 지식 그래프를 결합합니다.
• 신뢰도 보정: 다양한 점수 메트릭(코사인, 순위, 하이브리드)을 관련성의 통합 확률로 매핑합니다.
• 지연 시간 관리: 프론트엔드 응답 시간에 상한선을 보장하기 위해 계층별 예산과 "소프트 타임아웃"을 구현합니다.
• 프롬프트 인젝션 보호: 신뢰할 수 없는 웹 콘텐츠를 보호하기 위한 3계층 방어(정리, XML 태깅, 시스템 프롬프트 가드).
• 엔티티 중의성 해소: 인기도(입차수)와 컨텍스트 신호의 조합을 사용하여 동일한 이름의 엔티티를 구분합니다.
• 자기 개선: 성공적인 답변을 L1 및 L3에 비동기적으로 아카이브하여 향후 동일하거나 유사한 쿼리를 가속화합니다.