Zleap-AI/SAG

它解决了什么问题

SAG 是一个知识库应用程序，旨在取代传统的 RAG（检索增强生成）和 GraphRAG。它通过引入一种将语义搜索与关系推理结合于一体的新型检索架构，解决了仅依赖语义检索（密集型 RAG）的局限性以及离线图结构构建带来的高维护开销（GraphRAG）的问题。

它如何工作

SAG 使用一种独特的数据模型，将文档解析为语义完整的「事件」和轻量级的「实体」。与预先构建全局知识图谱不同，它在查询时通过共享实体上的 SQL 连接创建「查询时动态超边」。

该过程分为两个主要阶段：

1. 离线索引：文档被拆分为块，对于每个块，提取一个事件和多个实体，并存储在关系型和向量索引中。
2. 在线检索：系统通过语义/词法信号找到初始事件和实体，利用 SQL 连接扩展候选空间，并返回原始证据块供 LLM 生成带引用的答案。

适合谁使用

SAG 专为需要本地优先、可搜索且可追溯的知识库的个人和 AI Agent 设计。特别适用于希望将私有数据通过 Model Context Protocol (MCP) 集成到 Claude Code 或 Codex 等 AI 工具中的用户。

特色亮点

• 顶尖性能：在 HotpotQA、2WikiMultiHopQA 和 MuSiQue 基准测试中表现优于基线模型。
• 本地优先：默认使用 SQLite 和 LanceDB，无需安装外部数据库。
• 来源追溯：每次检索结果和引用都能直接映射回原始源块。
• Agent 集成：提供专用 CLI，可将知识库作为 MCP 服务器挂载到 AI Agent 中。
• 交互式探索：具备「探索模式」，可将知识库可视化为交互式宇宙或 3D 图谱。

"This is a game-changer for knowledge-intensive AI applications. The ability to reason over relationships dynamically at query time is unprecedented." — @sag_dev