raphaelmansuy/edgequake

해결하는 문제

EdgeQuake는 전통적인 RAG가 벡터 유사성에만 의존하는 한계를 극복하기 위해 설계된 고성능 Graph-RAG 프레임워크입니다. 벡터 검색은 키워드 검색에는 효과적이지만, 다단계 추론과 주제 기반 쿼리에서는 종종 실패합니다. EdgeQuake는 문서를 엔티티와 관계의 지식 그래프로 변환함으로써 벡터 공간과 그래프 구조를 모두 탐색하여 우수한 검색과 생성을 가능하게 합니다.

작동 방식

고성능을 위해 Rust로 구현된 EdgeQuake는 LightRAG 알고리즘을 구현합니다. LLM 기반 엔티티 추출과 관계 매핑을 사용하여 문서를 지식 그래프로 분해합니다. 쿼리 시점에는 pgvector를 통한 벡터 검색과 Apache AGE를 통한 그래프 탐색을 결합한 하이브리드 접근 방식을 사용합니다. Naive, Local, Global, Hybrid를 포함한 6가지 다양한 쿼리 모드를 제공하여 지연 시간과 추론 깊이 사이의 균형을 조절할 수 있습니다.

대상 사용자

대규모 문서 세트를 대상으로 복잡한 관계 기반 쿼리를 처리할 수 있는 프로덕션 준비된 RAG 시스템이 필요한 개발자 및 조직. 다중 테넌시, 인증, 고병렬 처리를 지원합니다.

주요 특징

• 지식 그래프 엔진: Louvain 클러스터링을 사용한 커뮤니티 탐지 및 다단계 추출을 통해 엔티티 추출률을 향상.
• 하이브리드 RAG: HNSW 벡터 검색과 Personalized PageRank (PPR) 그래프 탐색을 결합하여 포괄적인 결과 제공.
• PDF 비전 파이프라인: 빠른 텍스트 추출과 GPT-4o, Claude, Gemini를 사용한 비전 기반 모드(복잡한 표 및 다중 열 레이아웃 재구성)를 지원.
• 프로덕션 준비 인프라: SSE 스트리밍을 지원하는 REST API, 다중 테넌트 워크스페이스 격리, AI 에이전트를 위한 Model Context Protocol (MCP) 통합.
• 고성능: Rust로 작성되어 전통적인 RAG 구현보다 훨씬 낮은 쿼리 지연과 높은 동시성 처리를 달성합니다.