इस प्रोजेक्ट के बारे में

M-flow एक ओपन-सोर्स Python लाइब्रेरी है जो नॉलेज ग्राफ को प्राथमिक स्कोरिंग इंजन के रूप में मानकर retrieval-augmented generation (RAG) को पुनर्परिभाषित करती है। पारंपरिक RAG सिस्टम के विपरीत, जो वेक्टर समानता द्वारा परिणामों को रैंक करते हैं, M-flow ज्ञान को चार-स्तरीय शंकु ग्राफ—Episode, Facet, FacetPoint, और Entity—में व्यवस्थित करता है और टाइप किए गए, शब्दार्थ रूप से भारित किनारों के साथ ग्राफ प्रसार का उपयोग करके प्रत्येक ज्ञान इकाई को क्वेरी से जोड़ने वाली सबसे मजबूत तर्क श्रृंखला द्वारा स्कोर करता है। यह दृष्टिकोण, जिसे graph-routed bundle search कहा जाता है, बहु-ग्रैन्युलैरिटी पुनर्प्राप्ति को सक्षम बनाता है: एक सटीक क्वेरी FacetPoint पर एंकर हो सकती है और उस Episode को लौटा सकती है जिससे वह संबंधित है, जबकि एक व्यापक क्वेरी Episode सारांश के माध्यम से प्रवेश कर सकती है। सिस्टम में इंडेक्सिंग से पहले सर्वनामों को हल करने के लिए इन्जेशन पर coreference resolution, बहु-व्यक्ति अलगाव के लिए वैकल्पिक face-aware मेमोरी विभाजन, और पुन: प्रयोज्य सार पैटर्न के लिए procedural memory निष्कर्षण भी शामिल है। M-flow कई वेक्टर और ग्राफ डेटाबेस (LanceDB, Neo4j, PostgreSQL/pgvector, ChromaDB, KùzuDB, Pinecone) का समर्थन करता है, LLM-agnostic है (OpenAI, Anthropic, Mistral, Groq, Ollama, आदि), और एक CLI, वेब UI, और MCP सर्वर प्रदान करता है। LoCoMo-10 और LongMemEval पर बेंचमार्क मजबूत प्रदर्शन दिखाते हैं, हालांकि ये स्व-रिपोर्टेड हैं। परियोजना में Docker तैनाती विकल्प, चेहरे की पहचान के साथ एक प्लेग्राउंड, और व्यापक दस्तावेज़ीकरण शामिल है।