LightRAG：它是什么、解决了什么问题以及为何受到关注

它解决了什么

LightRAG 旨在克服传统基于块的 RAG（检索增强生成）以及基于图的 RAG 高计算成本的局限。它通过捕获实体之间的复杂语义依赖来解决碎片化上下文的问题，这在需要全局理解和逻辑推理的垂直领域（如法律或金融服务）尤为有用。

工作原理

LightRAG 使用双层架构，同时管理知识图谱（KG）和向量嵌入。它采用双层检索机制，能够同时整合详细事实和抽象概念。不同于某些基于图的系统，它避免了昂贵的社区报告或多跳推理，而是使用集合合并过程对知识库进行增量更新。它还支持多模态文档解析（通过 MinerU 或 Docling），可提取并索引文本、表格、公式和图像。

适用人群

该框架面向构建 RAG 系统的开发者和组织，满足高可扩展性、低延迟以及处理复杂跨文档查询或需要频繁更新的动态数据的需求。

亮点

• 双层检索：结合本地（特定实体）、全局（宏观主题）和朴素（向量相似度）检索模式。
• 增量更新：支持在不重建整个全局索引的情况下无缝添加和删除文档。
• 多模态支持：能够解析并索引包括 PDF、图像和 Office 文档在内的多种格式。
• 灵活存储：可与 MongoDB、PostgreSQL、Neo4J 和 OpenSearch 等多种后端集成。
• 角色特定 LLM 配置：允许为提取、查询和关键词生成等不同任务设置独立的 LLM 参数。