m_flow

M-flow é uma biblioteca Python de código aberto que redefine a geração aumentada por recuperação (RAG) ao tratar o grafo de conhecimento como o principal mecanismo de pontuação. Diferente dos sistemas RAG tradicionais, que classificam resultados por similaridade vetorial, o M-flow organiza o conhecimento em um grafo cônico de quatro níveis—Episode, Facet, FacetPoint e Entity—e usa propagação de grafo ao longo de arestas tipadas e semanticamente ponderadas para pontuar cada unidade de conhecimento pela cadeia de raciocínio mais forte que a conecta à consulta. Essa abordagem, chamada de busca de pacotes roteada por grafo, permite recuperação em múltiplas granularidades: uma consulta precisa pode ancorar em um FacetPoint e retornar o Episode ao qual pertence, enquanto uma consulta ampla pode entrar via resumo de Episode. O sistema também inclui resolução de correferência na ingestão para resolver pronomes antes da indexação, particionamento opcional de memória consciente de face para isolamento multi-pessoa e extração de memória procedural para padrões abstratos reutilizáveis. O M-flow suporta múltiplos bancos de dados vetoriais e de grafo (LanceDB, Neo4j, PostgreSQL/pgvector, ChromaDB, KùzuDB, Pinecone), é agnóstico de LLM (OpenAI, Anthropic, Mistral, Groq, Ollama, etc.) e fornece CLI, interface web e servidor MCP. Benchmarks em LoCoMo-10 e LongMemEval mostram desempenho forte, embora sejam auto-relatados. O projeto inclui opções de implantação com Docker, um playground com reconhecimento facial e documentação extensa.