项目
论文与基准
SAG 原创架构、查询时动态超边与公开多跳检索结果。更新于 2026-07-22适用于 SAG v1.2.2
SAG 的论文题为 SAG: SQL-Retrieval Augmented Generation with Query-Time Dynamic Hyperedges，由 Yuchao Wu、Junqin Li、XingCheng Liang、Yongjie Chen、Yinghao Liang、Linyuan Mo 与 Guanxian Li 完成。
SAG 论文首页
原创的第三种架构
传统稠密 RAG 主要按语义相似度召回 chunks。GraphRAG 需要离线抽取三元组、合并实体、归一关系并维护全局图；增量更新也可能触发额外图维护。
SAG 用 event-entity 索引和查询时动态超边替代两套系统的拼接：
- 一个 chunk 对应一个语义完整 event；
- 一个 chunk 可以包含多个索引 entities；
- SQL 在当前查询周围连接共享实体的 events；
- 只实例化局部需要的超边；
- 最终输出仍映射回原始 chunks。
公开结果
在相同的 BGE-Large-EN-v1.5 Embedding 与 Qwen3.6-Flash LLM 配置下，SAG 在 HotpotQA、2WikiMultiHopQA 和 MuSiQue 的 9 项 Recall@1/2/5 指标中取得 8 项最佳结果。
| 数据集 | 方法 | Recall@1 | Recall@2 | Recall@5 |
|---|---|---|---|---|
| HotpotQA | SAG | 47.80% | 91.55% | 96.50% |
| HotpotQA | HippoRAG 2 | 44.40% | 78.35% | 94.35% |
| 2WikiMultiHopQA | SAG | 43.53% | 82.30% | 88.00% |
| 2WikiMultiHopQA | HippoRAG 2 | 42.38% | 76.55% | 90.35% |
| MuSiQue | SAG | 36.17% | 64.05% | 80.04% |
| MuSiQue | HippoRAG 2 | 30.65% | 49.52% | 65.13% |
| 平均 | SAG | 42.50% | 79.30% | 88.18% |
| 平均 | HippoRAG 2 | 39.14% | 68.14% | 83.28% |
如何理解指标
Recall@k 衡量前 k 个结果中是否召回目标证据。多跳问答通常需要在很小的候选集合里同时命中关键证据，因此 Recall@2 与 Recall@5 对 Agent 上下文成本尤其重要。
基准结果应结合论文设置与复现脚本阅读。模型、数据预处理、索引参数或评测实现变化都会影响数值，不应直接与不同设置下的结果横向拼接。
从论文到产品
公开 SAG 应用在研究架构之外增加了文档解析、后台任务、用户与 JWT、带引用生成、MCP、OpenAI 兼容接口、桌面客户端和多种生产存储后端。
论文解释检索方法，产品仓库展示如何把方法变成一套可运行、可核验的知识库。
发现内容问题？以当前公开仓库为准。查看 SAG 源码