LightRAG
活跃简介
LightRAG 是一个简洁高效的 RAG 框架，使用图结构增强检索效果，发表于 EMNLP 2025。
核心特性
- 图结构增强检索 — 使用知识图谱实体和关系进行双层检索（local/global），比传统向量检索更精准
- 四种文本分块策略 — 支持 Fixed、Recursive、Vector、Paragraph 分块，适应不同文档类型
- 多后端存储支持 — 兼容 Neo4j、PostgreSQL、MongoDB、OpenSearch、JSON KV Store 等多种存储方案
- 多模态文档处理 — 通过 RAG-Anything 集成，支持 PDF、图片、Office 文档、表格、公式的解析和提取
- 角色化 LLM 配置 — 四种独立角色（EXTRACT、QUERY、KEYWORDS、VLM）可分别配置不同的 LLM
- WebUI 可视化管理 — 提供 Web 界面进行知识插入、查询和知识图谱可视化浏览
适用场景
💡 大规模文档知识库 — 构建包含数万文档的知识图谱，通过双层检索快速定位相关实体和关系
💡 学术论文分析 — 提取论文中的方法、实验和结论，构建领域知识图谱辅助文献综述
💡 企业知识管理 — 整合内部文档、邮件和报告，通过图检索实现跨文档关联查询
💡 多模态 RAG 系统 — 处理包含图片、表格和公式的 PDF 文档，实现全模态检索增强生成
💡 智能问答系统 — 结合图检索和向量检索，构建能够回答复杂关联问题的 QA 系统
优势与不足
✅ 优势
- • 活跃维护，近期持续更新
- • 社区热度高（39.5k stars）
- • 开源许可证友好（MIT）
- • Issue 响应及时，积压少
分类
快速开始
```bash
pip install lightrag-hku
python -c "
import lightrag
from lightrag import LightRAG
rag = LightRAG(work_dir='./lightrag_work')
with open('input.txt', 'r') as f:
text = f.read()
rag.ainsert(text)
result = rag.aquery('What is the main topic?')
print(result)
"
```