ReasonDB: Открытая Документная База Данных, Использующая Навигацию по Дереву с Управлением LLM Вместо Векторного Поиска

Что делает ReasonDB

ReasonDB — это документоориентированная база данных с открытым исходным кодом, которая использует иной подход к извлечению знаний: сохраняет структуру документа в виде иерархии (заголовки → разделы → параграфы) и позволяет LLM перемещаться по этому дереву для поиска ответов. Это решает распространённую проблему, когда сбои при извлечении в векторных базах данных и RAG-конвейерах становятся «чёрными ящиками» для отладки.

Как это работает

Процесс загрузки: Документы конвертируются в Markdown, разбиваются по структуре, строятся в дерево, и каждый узел суммируется LLM (снизу вверх).

Процесс запроса: BM25 сужает кандидатов-узлов → tree-grep фильтрует по структуре → LLM ранжирует по суммаризациям → обход дерева поиском по лучу извлекает ответ. LLM посещает примерно 25 узлов из миллионов вместо поиска по плоскому векторному индексу.

Язык запросов и стек

ReasonDB использует RQL, SQL-подобный язык запросов:

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

Где SEARCH = BM25, а REASON = LLM-направленный обход дерева.

Стек построен на Rust с использованием redb, tantivy, axum и tokio. Это единый бинарный файл, работающий с OpenAI, Anthropic, Gemini, Cohere и совместимыми API (включая локальные или OpenAI-совместимые конечные точки).

Практическое применение

Этот подход особенно полезен для разработчиков, которые сталкивались с проблемами качества извлечения в RAG или хотят попробовать поиск на основе структуры вместо чистого векторного поиска. Инструмент был создан после 3-летнего опыта работы с извлечением знаний в Brainfish, где векторные базы данных, графовые базы данных и кастомные RAG-конвейеры постоянно представляли одни и те же сложности при отладке.