xoai/sage-wiki

해결하는 문제

sage-wiki는 AI 에이전트와 인간의 협업을 위해 설계된 그래프 기반 메모리 및 지식 베이스입니다. 원시 문서(PDF, 이메일, 코드 등)를 기반 지식 그래프가 포함된 상호 연결된 구조화된 위키로 변환하여 정보 파편화 문제를 해결합니다. 이를 통해 표준 벡터 검색보다 더 정밀한 검색이 가능하며, AI 에이전트가 증거와 인용이 포함된 다중 홉 관계형 질문에 답변할 수 있게 합니다.

작동 방식

이 시스템은 소스 문서를 요약 및 상호 연결된 Markdown 기사로 처리하는 LLM 기반 "컴파일러" 파이프라인을 사용합니다. 또한 어휘(BM25), 벡터, 그래프 근접성을 결합한 하이브리드 검색 메커니즘을 사용하여 정보를 검색합니다.

주요 기술적 특징은 다음과 같습니다:

• 증거 그래프 (Evidenced Graph): 신뢰도 점수와 출처가 포함된 유형화된 엔티티 및 관계를 추출하는 선택적 패스입니다.
• 엔티티 해결 (Entity Resolution): 표기 변형(예: "K8s" 및 "Kubernetes")을 단일 노드로 병합합니다.
• MCP 통합: Model Context Protocol (MCP)을 통해 19개의 도구를 노출하여 AI 에이전트가 그래프를 직접 검색, 캡처 및 쿼리할 수 있도록 합니다.
• 계층적 컴파일: 대량의 문서(최대 10만 개 이상)를 효율적으로 인덱싱하여 LLM 예산과 속도를 최적화합니다.

대상 사용자

• 개인: 기존 Obsidian 볼트를 보유하고 있으며 AI로 강화된 개인 지식 베이스를 원하는 사용자.
• 팀: Git 또는 자체 호스팅 서버를 통해 위키를 공유하고 공유 지식 그래프에서 협업하는 그룹.
• 기업: 대규모 수집을 위해 PostgreSQL/pgvector로 백업된 확장 가능한 지식 베이스가 필요한 조직.

주요 특징

• 하이브리드 검색: 벡터 검색과 그래프 탐색을 결합하여 복잡한 관계형 쿼리를 처리합니다.
• 에이전트-인간 시너지: TUI, Web UI 및 MCP 도구를 제공하여 에이전트와 인간이 동일한 데이터와 상호 작용할 수 있습니다.
• 근거 있는 답변: 모든 답변은 직렬화된 그래프 에지를 기반으로 하며, 소스 문서까지 추적 가능한 인용이 포함됩니다.
• 광범위한 형식 지원: PDF, Word, Excel, PowerPoint, EPUB, 이메일 및 이미지(비전 LLM 사용)에서 텍스트를 자동으로 추출합니다.
• Obsidian 네이티브: 컴파일된 출력은 일반 Markdown으로 저장되므로 Obsidian과 호환됩니다.