Ai Workbench

简体中文

English

简体中文

English

Appearance

LightRAG ​

底层服务 · HKUDS/LightRAG · 中文 README

LightRAG 是简单且快速的检索增强生成（RAG）框架，采用双层架构同时管理知识图谱（KG）和向量嵌入，适合法律、医疗、金融等复杂文档分析，也是 GraphRAG 的高效替代方案。

核心特点 ​

能力说明
深度上下文理解图结构索引捕捉实体间语义依赖，克服传统分块检索上下文割裂
双层检索同时整合详细事实与抽象概念，查询全面性与多样性更好
高效低成本减少索引与查询阶段 LLM 调用，降低延迟与算力成本
增量更新新数据经局部图谱合并融入现有图谱，无需重建全局索引
多模态（v1.5+）支持 MinerU / Docling 解析 PDF、图片、表格、公式

查询模式 ​

模式用途
local局部实体与直接关联属性
global宏观主题、跨文档关系链
hybrid融合 local + global（工作流 P0 默认）
naive纯向量块检索，不用知识图谱
mix全功能，融合三种模式（LightRAG 服务端默认）

与工作流的关系

Agent 工作流 P0 调用 query_text 时默认 mode: hybrid、only_need_context: true。详见 MCP Tools · LightRAG。

安装 ​

使用 uv（推荐） ​

bash
# 安装 uv（macOS/Linux）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 安装 LightRAG 服务器（含 API）
uv tool install "lightrag-hku[api]"

从源码安装 ​

bash
git clone https://github.com/HKUDS/LightRAG.git
cd LightRAG
make dev
source .venv/bin/activate
cd lightrag_webui && bun install --frozen-lockfile && bun run build && cd ..
make env-base   # 或 cp env.example .env 后手动配置
lightrag-server

Docker Compose ​

bash
git clone https://github.com/HKUDS/LightRAG.git
cd LightRAG
cp env.example .env
docker compose up

关键配置 ​

LLM 四角色 ​

LightRAG 需要 4 种角色的 LLM/VLM：EXTRACT、QUERY、KEYWORDS、VLM。建议为不同角色配置不同能力/速度的模型。详见官方 RoleSpecificLLMConfiguration-zh.md。

Embedding 模型 ​

  • 索引前必须确定 Embedding 模型，查询阶段不可更换
  • 推荐本地部署，如 BAAI/bge-m3
  • 更换模型需重建向量表

Rerank ​

查询阶段开启 Rerank 可显著提高质量，通常增加 1～2 秒延迟。建议本地部署 Rerank 模型。

团队部署 ​

本仓库通过以下组件接入 LightRAG：

组件路径说明
LightRAG APIProject/LightRAGlightrag-server，默认 http://127.0.0.1:9621
daniel-lightrag-mcpProject/daniel-lightrag-mcpMCP 桥接，22 个工具
启动脚本StartScript/MCP_LightRAG_start.shHTTP 桥接，默认端口 9622

启动 MCP 桥接 ​

bash
# 1. 先启动 LightRAG API
cd Project/LightRAG && lightrag-server

# 2. 启动 MCP HTTP 桥接
bash StartScript/MCP_LightRAG_start.sh

Cursor mcp.json 示例：

json
{
  "daniel-lightrag": {
    "url": "http://127.0.0.1:9622/mcp/"
  }
}

API 与 WebUI ​

LightRAG 服务器提供 Web UI 和完整 REST API。详见官方 LightRAG-API-Server-zh.md。

相关链接 ​