ReasonDB : Base de données documentaire open-source utilisant la navigation arborescente guidée par LLM au lieu de la recherche vectorielle

Ce que fait ReasonDB

ReasonDB est une base de données documentaire open-source qui adopte une approche différente pour la récupération de connaissances en préservant la structure des documents sous forme de hiérarchie (titres → sections → paragraphes) et en laissant le LLM naviguer dans cet arbre pour trouver des réponses. Cela résout le problème courant où les échecs de récupération dans les bases de données vectorielles et les pipelines RAG deviennent des boîtes noires de débogage.

Comment cela fonctionne

Processus d'ingestion : Les documents sont convertis en markdown, découpés par structure, construits en arbre, et chaque nœud est résumé par un LLM (de bas en haut).

Processus de requête : BM25 réduit les nœuds candidats → tree-grep filtre par structure → le LLM classe par résumés → un parcours par faisceau sur l'arbre extrait la réponse. Le LLM visite environ 25 nœuds sur des millions au lieu de parcourir un index vectoriel plat.

Langage de requête et pile technique

ReasonDB utilise RQL, un langage de requête de type SQL :

SELECT * FROM contracts SEARCH 'payment terms' REASON 'What are the late payment penalties?' LIMIT 5;

Où SEARCH = BM25 et REASON = parcours d'arbre guidé par LLM.

La pile technique est construite en Rust avec redb, tantivy, axum et tokio. C'est un binaire unique qui fonctionne avec OpenAI, Anthropic, Gemini, Cohere et les API compatibles (y compris les points de terminaison locaux ou compatibles OpenAI).

Applications pratiques

Cette approche est particulièrement utile pour les développeurs qui ont eu des difficultés avec la qualité de récupération RAG ou qui souhaitent essayer une récupération basée sur la structure plutôt qu'une recherche vectorielle pure. L'outil a été construit après 3 ans d'expérience avec la récupération de connaissances chez Brainfish, où les bases de données vectorielles, les bases de données graphiques et les pipelines RAG personnalisés présentaient systématiquement les mêmes défis de débogage.