卧槽,本地知识库的真神来了!SAG2让我看完浑身起鸡皮疙瘩。
或许它将彻底颠覆RAG,因为建库阶段不调大模型、不做 Embedding、不要向量库、不要 GPU,只对原文建 BM25 关键词索引。同样 11,656 段文本,一代建库 4.57 小时,SAG2 只要 2.36 秒,快约 7000 倍。
语义理解交给 JEV:BM25 先粗筛,JEV 判断哪些是有用证据,再从证据里挑出新关键词接着搜。线索靠原文里的关键词和段落串起来,不用提前抽实体。
效果非常🐂🍺,适合任何规模数据的知识库:
MuSiQue 多跳检索 Recall
@5 达到 80.68%,比 HippoRAG 2 高 15.55 个百分点。
51 万份文档的 EnterpriseRAG-Bench 上,LightRAG、HippoRAG 2 这些图谱方案没跑完全量,SAG2 建库 8 分 32 秒,Recall
@10 达到 81.10%。
落地工具 SAG Wiki:Windows 版约 13MB,macOS 版约 18MB。添加一个本地文件夹就是知识库,文件不用动,它全自动。