Las consultas a bases de conocimiento empresarial a menudo fallan no porque el modelo no pueda razonar, sino porque la evidencia crítica no se recupera en el contexto. El enfoque SAG aborda esto destilando fragmentos de documentos en eventos, construyendo un índice extensible con entidades y usando SQL para construir dinámicamente cadenas de relaciones locales en el momento de la consulta. En lugar de reemplazar la búsqueda vectorial con un grafo de conocimiento global, SAG asigna roles claros a vectores, tablas relacionales y re-rankers. Esta arquitectura híbrida mejora significativamente la recuperación y precisión en consultas complejas de múltiples saltos. Para desarrolladores que construyen sistemas RAG de producción, SAG ofrece un plano práctico que combina las fortalezas de la recuperación estructurada y no estructurada.
El mecanismo de recuperación SAG utiliza extracción de eventos e hiperaristas SQL dinámicas para mejorar la recuperación de evidencia en sistemas RAG empresariales.