LightRAG: 這是什麼、解決了什麼問題以及為什麼它正受到關注

解決了什麼問題

LightRAG 旨在克服傳統基於分塊（chunk-based）的 RAG（檢索增強生成）以及基於圖（graph-based）的 RAG 的高昂計算成本。它透過捕捉實體之間複雜的語義依賴關係來解決上下文碎片化的問題，這對於需要全局理解和邏輯推理的垂直領域（如法律或金融服務）特別有用。

如何運作

LightRAG 使用雙層架構來管理知識圖譜（KGs）和向量嵌入（vector embeddings）。它採用雙層檢索機制，同時整合詳細的事實和抽象的概念。與某些基於圖的系統不同，它避免了昂貴的社群報告（community reports）或多跳推理（multi-hop reasoning），而是使用集合合併（set-merging）過程來對知識庫進行增量更新。它還支持多模態文檔解析（透過 MinerU 或 Docling）來提取和索引文本、表格、公式和圖像。

對象是誰

它適用於開發者和組織，他們正在構建需要高擴展性、低延遲以及處理複雜的跨文檔查詢或需要頻繁更新的動態數據的 RAG 系統。

重點亮點

• 雙層檢索：結合了局部（特定實體）、全局（宏觀主題）和原始（向量相似度）檢索模式。
• 增量更新：支持無縫添加和刪除文檔，而無需重建整個全局索引。
• 多模態支持：能夠解析和索引多種格式，包括 PDF、圖像和 Office 文檔。
• 靈活的存儲：與各種後端集成，包括 MongoDB、PostgreSQL、Neo4J 和 OpenSearch。
• 特定角色 LLM 配置：允許為提取、查詢和關鍵詞生成等不同任務獨立設置 LLM。