raphaelmansuy/edgequake

解決的問題

EdgeQuake 是一個高效率的 Graph-RAG 框架，旨在克服傳統 RAG 僅依賴向量相似性的限制。雖然向量搜尋在關鍵字查找方面有效，但在多跳推理與主題查詢方面經常失敗。EdgeQuake 透過將文件轉換為實體與關係的知識圖譜，使系統能同時遍歷向量空間與圖結構，從而實現更優的檢索與生成。

工作原理

以 Rust 為基礎建構以達成高效率，EdgeQuake 實作了 LightRAG 算法。它利用 LLM 驅動的實體萃取與關係映射，將文件分解為知識圖譜。在查詢時，採用混合方法——結合 pgvector 的向量搜尋與 Apache AGE 的圖遍歷，均在 PostgreSQL 資料庫中進行。提供六種不同的查詢模式，包括 Naive、Local、Global 與 Hybrid，以在延遲與推理深度之間取得平衡。

適用對象

需要一個可投入生產環境的 RAG 系統，能處理大規模文件集中的複雜關係型查詢，支援多租戶、驗證與高併發的開發者與組織。

主要亮點

• 知識圖譜引擎：使用 Louvain 聚類進行社群偵測，並透過多輪萃取（multi-pass gleaning）提升實體萃取率。
• 混合 RAG：結合 Personalized PageRank (PPR) 圖遍歷與 HNSW 向量搜尋，實現全面的結果。
• PDF 視覺處理管道：支援快速文字萃取，以及基於視覺的模式（使用 GPT-4o、Claude 或 Gemini）以重建複雜表格與多欄佈局。
• 生產就緒基礎設施：提供支援 SSE 流式傳輸的 REST API，多租戶工作區隔離，以及與 AI 代理的 Model Context Protocol (MCP) 集成。
• 高效率：使用 Rust 編寫，聲稱相比傳統 RAG 實作具有顯著更低的查詢延遲與更高的併發能力。