edgequake：它是什麼、解決了什麼問題以及為何受到關注

它解決了什麼

EdgeQuake 是一個高效能的 Graph‑RAG 框架，旨在克服傳統 RAG 系統的限制。標準的向量檢索常因失去概念之間的結構關係而在多跳推理與主題查詢上失效，EdgeQuake 會將文件轉換為智慧知識圖譜。這使得系統能結合語意相似度與圖形遍歷，回答關於不同實體之間關係的複雜問題。

它如何運作

使用 Rust 實作以達到最大併發與效能，EdgeQuake 採用 LightRAG 演算法。它利用 LLM 驅動的抽取，將文件分解為實體與關係的知識圖譜。查詢時，系統會使用六種不同的查詢模式（Naive、Local、Global、Hybrid、Mix、Bypass）同時遍歷向量空間與圖形結構。它使用 PostgreSQL AGE 作為圖形儲存，pgvector 作為嵌入向量，並包含一個專門的 PDF 管線，能利用多模態 LLM 以影像方式讀取頁面，處理複雜版面。

目標使用者

需要具備生產等級 RAG 系統、能處理複雜推理、多欄位 PDF 以及高併發使用者負載的開發者與組織。也適合想透過 Model Context Protocol（MCP）將知識圖譜整合至 AI 代理的使用者。

重點特色

• Graph‑RAG 架構：結合向量搜尋與知識圖譜遍歷，提供卓越的推理能力。
• Rust 效能：以 async‑first Tokio 架構與零拷貝操作實現高吞吐量。
• 多模態 PDF 管線：支援具視覺能力的 LLM（GPT‑4o、Claude、Gemini）處理掃描文件與複雜表格。
• 六種查詢模式：提供彈性的檢索策略，從快速的 Naive 向量搜尋到完整的 Hybrid 圖形查詢皆可選擇。
• 知識注入：允許注入領域詞彙表與同義詞，自動擴充查詢範圍。
• 自訂實體設定：每個工作區可支援多達 50 種領域特定實體類型。
• 代理整合：相容 Model Context Protocol（MCP），可與 AI 代理一起使用。

---

摘要： 一個以 Rust 撰寫的高效能 Graph‑RAG 框架，將文件轉換為知識圖譜，以實現複雜的多跳推理與主題檢索。

標題： edgequake：它是什麼、解決了什麼問題以及為何受到關注