raphaelmansuy/edgequake

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

解決的問題

EdgeQuake 是一個高性能的 Graph-RAG 框架，旨在克服傳統基於向量的 RAG 的局限性。標準 RAG 依賴於往往會忽略結構關係的相似性搜尋，而 EdgeQuake 將文件轉換為智慧知識圖譜，從而實現卓越的多跳推理以及回答基於主題或關係問題的能力。

工作原理

該系統使用 Rust 構建以實現高性能，並實現了 LightRAG 演算法。它將文件分解為由實體和關係組成的知識圖譜。在檢索過程中，它同時遍歷向量空間（使用 pgvector）和圖結構（使用 Apache AGE），將基於嵌入的相似性與圖遍歷相結合，以提供更全面的答案。

適用對象

需要生產級 RAG 系統來處理大規模文件集中的複雜查詢，並要求高並發、低延遲和強大的多租戶隔離能力的開發人員和組織。

亮點

六種查詢模式：提供 Naive、Local、Global、Hybrid、Mix 和 Bypass 模式，以平衡延遲與檢索深度。
PDF Vision Pipeline：支援快速文本提取和基於視覺的模式（使用 GPT-4o、Claude 或 Gemini），用於重建複雜的表格和多欄佈局。
生產級基礎設施：具有支援 SSE 流的 REST API、內建身份驗證以及對 PostgreSQL 16/17/18 的支援。
高效率：在查詢延遲、實體提取量和每個文件的記憶體使用量方面，聲稱比傳統 RAG 有顯著改進。
代理整合：透過 Model Context Protocol (MCP) 向 AI 代理開放能力。