xoai/sage-wiki

解决的问题

sage-wiki 是一个基于图谱的记忆与知识库，专为 AI 代理与人类的协作使用而设计。它通过将原始文档（PDF、电子邮件、代码等）转换为具有底层知识图谱的相互链接结构化维基，解决了信息碎片化的问题。这比标准的向量搜索能提供更精确的检索，使 AI 代理能够回答带有证据与引用的多跳关系问题。

运作方式

该系统使用基于 LLM 的“编译器”管线，将来源文档处理为摘要与相互链接的 Markdown 文章。它采用结合词汇（BM25）、向量与图谱邻近性的混合搜索机制来检索信息。

关键技术功能包括：

• 证据图谱 (Evidenced Graph)：一个可选的处理步骤，用于提取具有置信度分数与来源出处的类型化实体与关系。
• 实体解析 (Entity Resolution)：将表面形式变体（例如“K8s”与“Kubernetes”）合并为单一节点。
• MCP 集成：通过 Model Context Protocol (MCP) 公开 19 种工具，允许 AI 代理直接搜索、撷取与查询图谱。
• 分层编译：通过高效索引大量文档（高达 10 万份以上）来优化 LLM 预算与速度。

适用对象

• 个人：拥有现有 Obsidian 库并希望获得 AI 增强型个人知识库的用户。
• 团队：通过 Git 或自托管服务器共享维基，以协作处理共享知识图谱的群体。
• 企业：需要由 PostgreSQL/pgvector 支持以进行大规模摄入的可扩展知识库的组织。

亮点

• 混合检索：融合向量搜索与图谱遍历，以进行复杂的关系查询。
• 代理与人类协同：提供 TUI、Web UI 与 MCP 工具，让代理与人类能与相同的数据互动。
• 有据可查的回答：每个回答都基于序列化的图谱边缘，并附有追溯至原始文档的引用。
• 广泛的格式支持：自动从 PDF、Word、Excel、PowerPoint、EPUB、电子邮件与图像（通过视觉 LLM）中提取文字。
• Obsidian 原生：编译后的输出存储为纯 Markdown，使其与 Obsidian 兼容。