项目截图
概览
LightRAG 是一个开源 Python 框架，旨在作为传统基于图的 RAG 系统的高效替代方案。它通过同时管理知识图谱和向量嵌入，桥接了基于向量和基于图的 RAG。该框架解决了大规模 RAG 部署中的常见挑战，例如高计算开销、响应缓慢以及增量数据更新的成本。它支持多种文档解析引擎、文本分块策略、存储后端和特定角色的 LLM 配置。最近的更新引入了多模态内容处理，使其能够处理文档中的图像、表格和公式。
主要功能
- 结合知识图谱和向量嵌入的双层架构
- 用于全面上下文整合的双层检索机制
- 增量更新、选择性文档删除及知识图谱重新生成
- 特定角色的 LLM 配置（EXTRACT、QUERY、KEYWORD、VLM）
- 五种查询模式：local、global、hybrid、naive 和 mix
- 多种文档解析引擎：MinerU、Docling 和 Native
- 四种文本分块策略：固定、递归、向量和段落
- 针对图像、表格和公式的多模态内容处理
- 支持多种存储后端，包括 PostgreSQL、Neo4j 和 MongoDB
- 用于文档插入、查询和可视化的 WebUI 和 REST API
要求、安装和快速入门
用法
模型兼容性与使用场景
LightRAG 支持为四个角色配置模型。对于提取，推荐使用非思考模型，如 GPT-5.6-luna、Claude Haiku、Gemini-mini、DeepSeek-V4-lite 或 Kimi；本地部署最低要求 Qwen3-30B-A3B-Instruct。查询角色需要更强大的、可能具备思考能力的模型。关键词角色需要快速的非思考模型。VLM 角色支持主流多模态模型，本地部署建议使用 Qwen3.6-35B-A3B。对于嵌入，推荐使用低维快速模型，如 BAAI/bge-m3。
许可证与风险说明
该仓库在 MIT 许可证下授权。
Editorial verification 2026-08-09: repository URL, owner, description, license and repository statistics were reviewed. License metadata: MIT. README was fetched for the channel draft; re-check repository dependencies, releases and model terms before production use.
发布与维护
该仓库表明已被 EMNLP2025 接收。最近的更新包括合并 RagAnything 以进行多模态处理、为 Word 文档添加智能标题识别、引入四种文本分块策略、集成 OpenSearch、添加设置向导以及支持特定角色的 LLM 配置。该仓库创建于 2024-10-02，已积累 38,423 颗星和 5,403 个分叉。