SQL-RAG · EVENT-ENTITY RETRIEVAL

SAG

让知识可搜索、可关联、可追溯。

从分散文档到结构化知识，再到带原文引用的 Agent 回答。一个本地优先的开源知识库，一套替代传统 RAG 与 GraphRAG 拼接的原创检索架构。

开始阅读 GitHub

本地优先 MIT 开源 Python 3.11+ v1.2.2

产品全景

两种视角，一份可追溯的知识。

在常规工作台中完成导入、检索与引用核对；进入探索模式，把整个知识库展开为可以自由穿行的知识宇宙。

常规面板

SAG 常规模式中的检索结果与原文溯源 — 常规面板**检索、对话与原文溯源***面向日常工作的完整知识工作台。*

为什么是 SAG

完整语义留在 Event，关系推理发生在查询时。

SAG 不维护两套召回系统，也不预先构建全局超边。它只围绕当前问题，用 SQL 将共享实体的事件连接成局部候选空间。

Chunk原文证据边界

→

Event完整语义单元

↔

Entities索引与扩展点

→

Dynamic hyperedge查询时局部生成

一条可验证的知识路径

导入一次，从检索到复用始终保留证据。

导入

文件与网页规范化为 Markdown

索引

Chunk、Event 与 Entity 并行建立

检索

语义召回与查询时动态超边

溯源

每条结果回到原始证据块

复用

Agent、API、MCP 与 Python

系统边界

一个引擎，三种入口。

使用完整工作台，基于自托管 API 构建自己的界面，或把 zleap-sag 直接嵌入 Python 服务。三条路径共享同一知识引擎。

SAG Desktop / WebREST / OpenAI / MCPzleap-sag

SAG 知识引擎索引、检索与引用使用同一套数据模型

SAG Desktop / Web开箱即用的知识工作台 REST / OpenAI / MCP自托管的集成边界 zleap-sag可嵌入的 Python 引擎

完整产品

搜索、对话与探索，共用同一份知识。

检索与溯源快速 / 精确模式

在 Agent 使用前检查召回结果，并从每条命中打开对应原文。

带引用对话流式 Agent 回答

选择知识范围、查看工具活动，并让关键事实始终附带可点击引用。

知识宇宙Event-Entity 探索

沿事件、实体与时间线发现关系，再从节点回到原始证据。

公开基准

9 项 Recall@1/2/5 指标，8 项最佳。

在相同 BGE-Large-EN-v1.5 Embedding 与 Qwen3.6-Flash LLM 配置下，SAG 在三个多跳问答数据集上报告平均 Recall@2 79.30%、Recall@5 88.18%。阅读论文与完整结果

Recall@279.30%HippoRAG 2 · 68.14%

Recall@588.18%HippoRAG 2 · 83.28%

最佳指标8 / 93 个公开数据集

开始使用 SAG

把第一份文档变成可验证的知识。

桌面客户端开箱即用，Docker 三行启动，Python 包可以直接嵌入。

选择安装方式