ARTICLE · 1053241
跨文档一问就答偏?LightRAG 图谱轻量 RAG,五模式检索+WebUI
点击下方【IT开源项目精选】
「关注」、选择「设为星标」
每天三分钟、打卡阅读
最快获取全网学习干货、行业资讯
前言
大家好，这里是 IT开源项目精选！
传统向量 RAG 擅长「找相似片段」，一到跨文档归纳、实体关系推理，就容易答偏或答浅。GraphRAG 一类方案能补关系，但实现重、成本高，工程上难落地。
本期拆解港大 HKUDS 开源的 LightRAG。它用知识图谱做索引，再按 local / global 双层键检索，并提供可本地跑的 WebUI 与 API。若你要的是「比纯向量更懂关系、又比重型图谱方案轻」的 RAG 底座，值得对照论文与仓库实测。
简介
LightRAG 仓库：github.com/HKUDS/LightRAG。截至 2026 年 9 月 20 日，约 39766 Star、5597 Fork。协议 MIT。最新发行版 / PyPI 包 lightrag-hku 为 v1.5.7（需 Python ≥3.10）。论文 arXiv:2410.05779，标注 EMNLP 2025。主页推送仍活跃（约 2026-09-20）。
定位：Simple and Fast Retrieval-Augmented Generation。索引阶段用 LLM 抽实体与关系、建图；查询阶段生成低层实体键与高层主题键，召回实体、关系与原文块。默认查询模式为 mix（融合 local、global、naive）。另提供 WebUI（文档 / 图谱 / 检索）、API Server（默认端口 9621），存储可接 Neo4j、PostgreSQL、MongoDB、OpenSearch 等。
同团队还有 RAG-Anything（多模态）、MiniRAG、VideoRAG 等旁支；本文只评 LightRAG 本体。多模态能力现可通过集成 RAG-Anything / MinerU / Docling 扩展，是否默认全开要以当前文档为准。
核心能力
一、图谱索引
• 从文本块抽取实体与关系，并做去重与描述生成；
• 节点 / 边保留来源 chunk，便于追溯；
• 支持多种切块策略（Fix / Recursive / Vector / Paragraph 等，以当前版本文档为准）。
二、五模式检索
• local：偏实体与局部事实；
• global：偏主题与跨文档关系；
• hybrid：local + global；naive：纯向量块检索；
• mix：三者融合，文档称默认且通常效果最好，耗时略高于 naive。
三、WebUI 与 Server
• 网页侧可管文档、看知识图谱、做检索；
• lightrag-server 一键起 API + 前端产物；
• 可用 uv / pip 装 lightrag-hku[api]，或 Docker Compose。
四、工程向能力
• Reranker、引用、文档删除后图谱再生；
• 角色化 LLM 配置（抽取 / 查询 / 关键词 / VLM 等可分设）；
• 评估与追踪可接 RAGAS、Langfuse（文档有更新说明）。
系统架构与界面
推荐路径：配好 LLM 与 Embedding → 导入文档建索引 → WebUI 看图谱与试问 → 再按场景选 local / global / mix。索引质量强依赖抽取用的模型；关系乱时，再强的 mix 也救不了口径。
▲ 图1 总体架构：图谱索引 + 双层检索
▲ 图2 索引流程示意（向量 / KV 与图谱）
▲ 图3 查询流程示意（双层检索与生成）
▲ 图4 WebUI 知识图谱可视化
技术栈与环境
语言/包: Python ≥3.10 · PyPI lightrag-hku 1.5.7
运行: lightrag-server · 默认 PORT=9621 · WebUI 路径 /webui
依赖: 需自备 LLM + Embedding（可云可本地）
可选存储: Neo4j · PostgreSQL · MongoDB · OpenSearch 等
论文: arxiv.org/abs/2410.05779
快速开始
一、PyPI 安装 Server（推荐先体验）
uv tool install "lightrag-hku[api]"
注：也可用 pip install "lightrag-hku[api]"
cp env.example .env
注：在 .env 填入 LLM / Embedding；生产务必配鉴权
lightrag-server
浏览器访问 http://127.0.0.1:9621/webui（以 .env 中 HOST/PORT 为准）。
二、Docker Compose
git clone https://github.com/HKUDS/LightRAG.git
cd LightRAG
cp env.example .env
docker compose up
三、源码开发
克隆后可用官方 make dev 或 uv sync 装依赖，构建 lightrag_webui 前端后再启动 server。细节见仓库 README 与 docs。
实操要点
先锁鉴权再暴露端口。默认可绑 0.0.0.0；未配 LIGHTRAG_API_KEY / AUTH_ACCOUNTS 时接口近乎公开。公网或局域网共用前必须配鉴权，或只绑 127.0.0.1。
建索引就是在烧 LLM。实体关系抽取按块调用模型，语料一大，费用与耗时会上去。先小样本验证抽取质量，再全量灌库。
查询模式按问题选。细节事实试 local；跨章总结试 global / mix；只要基准向量检索对比时用 naive。默认 mix 不等于所有场景最优。
Embedding 选快且够用即可。文档认为检索质量对 Embedding 依赖有限，更建议低维、快的多语种模型；抽取与生成侧的 LLM 才是关键。
适用边界：什么情况别用它
① 只要最简向量问答、语料极小。naive / 普通向量库可能更省事，不必上图谱抽取链路。
② 不能接受建库时的 LLM 成本与等待。LightRAG 的「轻」相对重型 GraphRAG 工程，不是零成本索引。
③ 无模型密钥、又不愿自建本地 LLM/Embedding。空转不起来。
④ 把 WebUI 当开箱公网 SaaS。未加固就暴露 9621，风险直接。
⑤ 期望纯图片 / 视频理解开箱即用。那是 RAG-Anything、VideoRAG 等旁支的主场，需按文档单独集成。
适合谁
适合要做企业知识问答、且问题常跨文档的 Python / RAG 工程师；想可视化知识图谱、用 WebUI 快速试检索的团队；愿意配模型密钥、接受建索引成本的研究与产品试点。
不适合：零运维、零模型预算的演示需求；只要关键词检索的静态站内搜；安全基线禁止裸奔 API 却不愿改 .env 的部署。
更新进度
100 期优质开源项目更新进度：018/100。欢迎在留言区交流你对 LightRAG 的建库与 mix 模式实践，或提名下一期想拆解的开源项目。
开源地址
GitHub：github.com/HKUDS/LightRAG
PyPI：pypi.org/project/lightrag-hku
论文：arxiv.org/abs/2410.05779
本地默认：http://127.0.0.1:9621/webui
获取更多精彩内容和优质开源项目
请关注微信公众号「IT开源项目精选」
每天早上 5 分钟，看懂一个值得收藏的开源项目
免责声明
1、本文所分享的软件、代码或资源，均来自开源社区，遵循其原始许可证（MIT）。仅供学习和研究使用，严禁用于任何违法行为。
2、使用者在下载、部署或使用本项目时，需自行判断其适用性与合法性，由此产生的一切风险与责任均由使用者自行承担。部署时请自行配置鉴权与网络安全。
3、本文数据（Star、Fork、版本号）来自 GitHub / PyPI 公开信息，采集时间为 2026 年 9 月 20 日，项目迭代迅速，实际版本可能已更新。
4、本文配图来自项目仓库与公开教程素材，版权归原作者所有；本文不对开源软件的安全性、可用性或完整性做任何保证。
5、本文与项目作者无商业合作，所有观点基于公开资料得出；若您为相关资源的版权方并对内容有异议，请联系我们，我们将在第一时间处理。