bibinprathap/VeritasGraph

解決的問題

VeritasGraph 解決了傳統向量 RAG 的限制，後者通常依賴於簡單的相似性搜尋與「盲目的分塊」方法。它透過結合階層式樹狀搜尋（類似目錄結構）與知識圖譜推理，實現多跳推理與可驗證的溯源，確保 AI 代理能理解分散資訊之間的關聯，而不僅僅是找到相似的文件。

工作原理

該框架結合兩種檢索方法：用於文件導航的階層式樹結構與用於關係推理的語義知識圖譜。可完全本地部署（使用 Ollama）或於雲端運行。系統包含一個「Studio」工作區，用於建構與連結代理，整合防護機制（如 PII 敏感資訊脫敏）、記憶模組與工具目錄。同時支援 Model Context Protocol (MCP)，可將 IDE 代理（如 Cursor 或 VS Code）直接連接至 GraphRAG 引擎。

適用對象

專為需要高隱私性、受控 AI 代理，並需對複雜文件進行可驗證引用推理的開發者與企業設計（例如：用於臨床筆記的醫療 AI 或市政事故報告系統）。

核心亮點

• 混合檢索：結合基於樹的導航與基於圖的語義推理，實現多跳問答。
• 受控代理框架：提供本地 Studio，用於管理代理角色、工具、記憶與防護機制。
• 100% 本地部署：透過 Ollama 和 Neo4j 支援完全在本地運行。
• 可驗證溯源：每個主張均提供 [doc#chunk] 格式的來源引用。
• MCP 集成：內建 MCP 伺服器，可將 GraphRAG 能力整合到 AI 驅動的 IDE 中。