raphaelmansuy/edgequake

EdegQuake 🌋 High-performance GraphRAG inspired from LightRag written in Rust; Transform documents into intelligent knowledge graphs for superior retrieval and generation

EdgeQuake – 单个 Rust 二进制文件中的 Graph-RAG

这是什么 – EdgeQuake 是一个开源的检索增强生成（RAG）系统，它将文档存储为 知识图谱，而不仅仅是平面的文本向量。它用 Rust 编写，以单个可执行文件形式发布，并使用单个 PostgreSQL 实例（带有 pgvector 和 Apache AGE 扩展）来存储向量嵌入和图数据。任何支持 OpenAI/Anthropic API 的 LLM 都可以使用——从云服务（OpenAI、Anthropic、Gemini、Mistral）到本地服务器（Ollama、LM Studio、oMLX、llama.cpp、vLLM-MLX 等）。

工作原理（高层流程）

Document → chunking → LLM extracts entities & relations → stored as:
   • embeddings in pgvector
   • graph nodes/edges in Apache AGE

Query → keyword extraction → vector search + graph walk → LLM generates answer

该系统支持多种检索模式（naive、local、global、hybrid（默认）、mix、bypass），它们将纯向量相似性与图遍历相结合，以呈现依赖于概念之间关系的答案。

快速开始（仅 Docker，无需 Rust/Node）

# 一行命令获取辅助脚本，运行 Docker compose 并启动 UI
curl -fsSL https://raw.githubusercontent.com/raphaelmansuy/edgequake/edgequake-main/quickstart.sh | sh

UI：http://localhost:3000
REST API（Swagger）：http://localhost:8080/swagger-ui
健康检查端点：http://localhost:8080/health

您也可以在 CI 中无头运行：

quickstart.sh --yes --provider ollama
quickstart.sh --yes --provider omlx --base-url http://host.docker.internal:9050

通过 UI 或 API 上传 PDF 并提问：

curl -X POST http://localhost:8080/api/v1/documents/upload -F "file=@my.pdf"
curl -X POST http://localhost:8080/api/v1/query \
  -H "Content-Type: application/json" \
  -d '{"query":"What are the main concepts?","mode":"hybrid"}'

选择语言模型

目标	提供商	配置方式
最佳质量，无需硬件	OpenAI、Anthropic、Gemini、Mistral	`Settings → Connections` 或环境变量（例如 `OPENAI_API_KEY`）
私有，本地运行	Ollama、LM Studio、oMLX、MLX-LM、llama.cpp、vLLM-MLX	相同的 UI 或环境变量（`EDGEQUAKE_PROVIDER=ollama`）
云 LLM + 本地嵌入混合	任何云 LLM + 本地嵌入服务器	设置 `EDGEQUAKE_EMBEDDING_PROVIDER`
自定义网关	任何 OpenAI 兼容端点	使用通用提供商文档

每个工作区可以为每个角色（提取、查询、摘要、嵌入、视觉等）分配不同的模型。edgequake doctor 命令和 POST /api/v1/providers/test 可让您验证连接。

生产级功能

单一数据存储 – 带有 pgvector（嵌入）和 Apache AGE（图）的 PostgreSQL 16-18。无需管理单独的向量数据库或图数据库。
安全迁移 – 显式的 edgequake migrate 命令；每次发布都会对迁移进行重放测试。
安全性 – 默认仅回环，AES-256-GCM 加密提供商密钥，可选 SSO（Keycloak/OIDC），审计日志，多租户工作区隔离。
PDF 视觉流水线 – 通过内置 pdfium 进行文本提取；针对扫描表格和复杂布局的可选视觉模式。
健康检查 – /health 探测真实的 LLM 提供商；edgequake doctor 检查数据库、模式和安全性状况。
多架构 Docker 镜像 – linux/amd64 和 linux/arm64 发布在 GHCR 上。

基准测试（坦诚的数据）

指标	EdgeQuake	LightRAG（Python）	结论
答案准确率	0.792	0.786	统计上持平
冷查询 p50 延迟	4447 毫秒	4359 毫秒	≈ 持平
热查询 p50（缓存）	82 毫秒	993 毫秒	EdgeQuake 快得多
证据召回率	0.932	0.949	LightRAG 略胜一筹

作者强调，EdgeQuake 在检索质量上与 LightRAG 相当，同时提供了生产级的 Rust 实现、更快的缓存响应和更丰富的功能集。

生态系统与集成

SDK – Python、TypeScript、Rust，以及用于 Go、Java、Kotlin、C#、PHP、Ruby、Swift 的社区 SDK。
AI 代理 – 用于代理编排的 MCP 服务器。
应用程序 – 与 OpenWebUI 和 LangChain 的即用型集成。
API – OpenAPI 3.0 规范、SSE 流式传输、批量摄取、Swagger UI。

文档与学习资源

Web UI 的视觉导览（tutorial/README.md）。
完整的入门指南、第一个 RAG 应用教程和提供商配置文档。
LightRAG 算法和 EdgeQuake 架构的深入解析。
运维文档：部署、Docker 选项、监控、运行时身份验证强化、升级流程、故障排除。

谁可能使用它？

企业 – 需要具有严格数据隔离和可审计性的自托管 RAG 堆栈的企业。
开发者 – 构建需要关系感知检索（例如“谁向谁汇报”）的 AI 代理或聊天机器人。
研究人员 – 希望无需管理多个服务即可试验 Graph-RAG 的研究人员。
团队 – 已经运行 PostgreSQL 并倾向于使用单个二进制文件以简化运维的团队。

许可证

TL;DR

EdgeQuake 为您提供了一个 Rust 原生、单二进制 RAG 平台，它将文档存储为 PostgreSQL 中的 知识图谱，允许您接入 任何 LLM（云端或本地），并提供现成的 UI、REST API、SDK 以及生产级的安全和升级机制。这是在没有单独向量和图数据库的运维开销的情况下尝试 Graph-RAG 的实用方法。