raphaelmansuy/edgequake

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

解决的问题

EdgeQuake 是一个高性能的 Graph-RAG 框架，旨在克服传统基于向量的 RAG 的局限性。标准 RAG 依赖于往往会忽略结构关系的相似性搜索，而 EdgeQuake 将文档转换为智能知识图谱，从而实现卓越的多跳推理以及回答基于主题或关系问题的能力。

工作原理

该系统使用 Rust 构建以实现高性能，并实现了 LightRAG 算法。它将文档分解为由实体和关系组成的知识图谱。在检索过程中，它同时遍历向量空间（使用 pgvector）和图结构（使用 Apache AGE），将基于嵌入的相似性与图遍历相结合，以提供更全面的答案。

适用对象

需要生产级 RAG 系统来处理大规模文档集中的复杂查询，并要求高并发、低延迟和强大的多租户隔离能力的开发人员和组织。

亮点

  • 六种查询模式：提供 Naive、Local、Global、Hybrid、Mix 和 Bypass 模式，以平衡延迟和检索深度。
  • PDF Vision Pipeline：支持快速文本提取和基于视觉的模式（使用 GPT-4o、Claude 或 Gemini），用于重建复杂的表格和多栏布局。
  • 生产级基础设施：具有支持 SSE 流的 REST API、内置身份验证以及对 PostgreSQL 16/17/18 的支持。
  • 高效率：在查询延迟、实体提取量和每个文档的内存使用量方面，声称比传统 RAG 有显著改进。
  • 智能体集成：通过 Model Context Protocol (MCP) 向 AI 智能体开放能力。