bibinprathap/VeritasGraph

解决的问题

VeritasGraph 解决了传统向量 RAG 的局限性，后者通常依赖于简单的相似性搜索和“盲目的分块”方法。它通过结合层次化树状搜索（类似目录结构）与知识图谱推理，实现了多跳推理和可验证的溯源，确保 AI 代理能够理解分散信息之间的关联，而不仅仅是找到相似的文档。

工作原理

该框架结合了两种检索方法：用于文档导航的层次化树结构和用于关系推理的语义知识图谱。可完全本地部署（使用 Ollama）或在云端运行。系统包含一个“Studio”工作区，用于构建和连接代理，集成防护机制（如 PII 敏感信息脱敏）、记忆模块和工具目录。同时支持 Model Context Protocol (MCP)，可将 IDE 代理（如 Cursor 或 VS Code）直接连接至 GraphRAG 引擎。

适用对象

专为需要高隐私性、受控 AI 代理，并需对复杂文档进行可验证引用推理的开发者和企业设计（例如：用于临床笔记的医疗 AI 或市政事故报告系统）。

核心亮点

• 混合检索：结合基于树的导航与基于图的语义推理，实现多跳问答。
• 受控代理框架：提供本地 Studio，用于管理代理角色、工具、记忆和防护机制。
• 100% 本地部署：通过 Ollama 和 Neo4j 支持完全在本地运行。
• 可验证溯源：每个主张均提供 [doc#chunk] 格式的来源引用。
• MCP 集成：内置 MCP 服务器，可将 GraphRAG 能力集成到 AI 驱动的 IDE 中。