버퍼 내 그래프 검색 및 연관 메모리

• 버퍼 내 그래프 (Graph in-Buffer): RAM에 저장된 그래프 구조(개체 + 관계)
• 검색 (Retrieval): RAG 워크플로우에서 관련 컨텍스트를 검색하는 메커니즘
• 연관 메모리 (Associative Memory): 관계를 통해 연관된 노드 사이를 탐색하며, 모든 접근은 메모리에서 이루어짐

GibRAM은 검색 증강 생성(Retrieval Augmented Generation, RAG) 워크플로우를 위해 설계된 인메모리 지식 그래프 서버입니다. 경량의 그래프 스토어와 벡터 검색을 결합하여 관련 정보 조각들이 메모리 내에서 연결 상태를 유지하도록 합니다. 이 덕분에 쿼리가 특정 주제를 언급할 때 관련된 규정, 기사 또는 기타 텍스트를 더 쉽게 검색할 수 있습니다.

• 인메모리 및 임시적 (In memory and Ephemeral): 데이터는 설정 가능한 시간 제한(time to live)을 가지고 RAM에 존재합니다. 영구적인 저장보다는 짧은 분석 및 탐색을 위해 사용됩니다.
• 그래프와 벡터의 결합 (Graph and Vectors Together): 이름 붙여진 개체(named entities), 관계(relationships), 문서 청크(document chunks)를 그 임베딩과 함께 동일한 구조에 저장합니다.
• 그래프 인식 검색 (Graph aware Retrieval): 개체 및 관계를 통한 탐색뿐만 아니라 의미론적 검색(semantic search)을 지원하여, 벡터 유사성만으로는 놓칠 수 있는 컨텍스트까지 끌어낼 수 있도록 돕습니다.
• Python SDK: 최소한의 코드로 문서를 인덱싱하고 쿼리를 실행하는 GraphRAG 스타일 워크플로우를 제공합니다. 청커(chunker), 추출기(extractor), 임베더(embedder)와 같은 구성 요소는 교체할 수 있습니다.

스크립트를 통한 설치

curl -fsSL https://gibram.io/install.sh | sh
# 서버 실행
gibram-server --insecure
서버는 기본적으로 6161 포트에서 실행됩니다.
# 서버 실행
docker run -p 6161:6161 gibramio/gibram:latest
# 커스텀 설정 사용 시
docker-compose up -d
pip install gibram

기본 사용법:

from gibram import GibRAMIndexer
# 인덱서 초기화
indexer = GibRAMIndexer(
session_id=