LightRAG：把文档织成图再检索

港大开源的 LightRAG，把文档先织成一张知识图谱再检索。它不推翻向量库，而是给实体和关系多存一层图。

传统 RAG 把文档切成碎片算相似度。问“哪些合同违约金偏高”，它只能捞出几段带“违约金”的字面片段。条款对不上、供应商串不起来，答案要么漏，要么编。

微软 GraphRAG 用社区摘要解决全局问题。可建索引太贵，新文档一来，社区报告得推倒重写。LightRAG 干脆放弃社区摘要，换来能增量更新。新文档只抽一小块子图并入原图，旧部分完全不动。

查询时，它把问题拆成两串词。低层词找具体实体，高层词找主题关系，再把一跳邻居拉进来补上下文。论文测算里，GraphRAG 检索要花约 61 万 token，它不到 100；增量更新更是千万级对单篇成本的差距。

不过这方案也有输的地方。混合语料的全面性略逊 GraphRAG。真要上手，默认内存存储别直接上生产，embedding 模型选定后也别轻易换。