让AI真正读懂你的文档！LightRAG把知识图谱塞进RAG，38.8k星开源新玩法

还在用传统关键词匹配搜文档？问AI一个问题，它翻了半天给你一段不相关的内容？

香港大学团队做了个项目，叫 LightRAG，把知识图谱塞进了 RAG 系统——让AI不只能搜，还能「理解」文档之间的关系。GitHub 已经突破 38,800 stars，是今年最火的开源 RAG 框架之一。

传统 RAG 的天花板

用过 RAG 的朋友可能有同感：问「这家公司去年Q3营收相比Q2增长了多少」，传统 RAG 有时能找到数字，但搞不懂「Q3」「Q2」「营收」之间的业务关系，答非所问。

原因很简单：它只是向量相似度匹配，跟语义理解是两回事。

LightRAG 怎么破局

LightRAG 干了一件很聪明的事：把知识图谱（Knowledge Graph）和向量检索绑在一起。

具体来说，它有两层检索：

• 局部检索（Local）：当你问具体问题（比如某个产品的功能），它抓取相关实体周围的上下文
• 全局检索（Global）：当你问概括性问题（比如公司整体战略），它从知识图谱的全局视角找答案

两层一起用，就是它官方说的 Hybrid 模式——既能精准命中细节，又能把握整体逻辑。

还有一个很实用的功能：增量更新。文档改了、删了，传统 RAG 要重新索引，很慢。LightRAG 可以针对变更的部分定向更新，不用全量重来。

支持哪些模型

• OpenAI GPT（直接插 API key 用）
• Ollama（本地跑，完全免费）
• HuggingFace 模型也支持

存储也很灵活：默认 SQLite 本地存储，也支持 PostgreSQL、Neo4j（图数据库）直接对接生产环境。

适合谁用

• 📄 需要在大量文档里做复杂检索的同学（法务、咨询、金融分析）
• 🔍 想让 AI 回答更精准、不再「幻觉」的技术团队
• 🛠 想快速搭一个本地知识库，不想付 OpenAI API 费用的个人开发者

快速上手

pip install "lightrag-hku[api]"
lightrag-server

启动后有 Web UI，直接上传文档就能跑。5 分钟就能搭一个本地 RAG 服务。

一句话总结

传统 RAG 靠向量匹配，LightRAG 靠「图+向量」双轮驱动——让 AI 真的读懂你的文档。

GitHub（38.8k stars）：
https://github.com/HKUDS/LightRAG

GitHub: https://github.com/HKUDS/LightRAG