Zleap-AI/SAG

它解決的問題

SAG 是一個知識庫應用程式，旨在取代傳統的 RAG（檢索增強生成）和 GraphRAG。它透過引入一種結合語義搜尋與關係推理的新型檢索架構，解決了僅依賴語義檢索（密集型 RAG）的限制，以及離線圖結構建構所帶來的高維護成本（GraphRAG）。

如何運作

SAG 使用獨特的資料模型，將文件解析為語義完整的「事件」與輕量級的「實體」。與預先建構全域知識圖譜不同，它在查詢時透過 SQL 連接共享實體，動態建立「查詢時動態超邊」。

此過程分為兩個主要階段：

1. 離線索引：文件被分割為片段，針對每個片段提取一個事件與多個實體，並儲存在關聯式與向量索引中。
2. 線上檢索：系統透過語義/詞法信號找到起始事件與實體，使用 SQL 連接擴展候選空間，並回傳原始證據片段，供 LLM 產生帶引用的答案。

適用對象

SAG 是為需要本地優先、可搜尋且可追蹤的知識庫的個人與 AI 代理所設計。對於希望透過 Model Context Protocol (MCP) 將私人資料整合至 Claude Code 或 Codex 等 AI 工具的使用者尤其有用。

特色

• 最優性能：在 HotpotQA、2WikiMultiHopQA 和 MuSiQue 基準測試中表現優於基線。
• 本地優先：預設使用 SQLite 和 LanceDB，無需安裝外部資料庫。
• 來源追蹤：每項檢索結果與引用皆可直接對應至原始來源片段。
• 代理整合：內建專用 CLI，可將知識庫作為 MCP 伺服器掛載至 AI 代理。
• 互動式探索：具備「探索模式」，可將知識庫視覺化為互動式宇宙或 3D 圖形。

這不僅是檢索，更是理解——透過動態超邊，我們在語義與關係之間架起橋樑。— @sag-ai