最新公开实验表：LightRAG 在 Legal 领域把 NaiveRAG 的综合指标从 15.2% 拉到 84.8%，图里一目了然。

整套代码已放 GitHub，pip install lightrag-hku[api] 就能跑，不用再搭积木。

核心亮点分三块：

• 双索引：实体-关系图 + 向量库并行，local/global/hybrid/mix 四种检索模式一键切换

• 低门槛：7 行代码完成文档插入、查询、可视化，支持 OpenAI、Ollama、HF、LlamaIndex、LiteLLM 任意底座

• 全链路：Token 追踪、增量插入、实体合并、文档级删除、Neo4j/PostgreSQL/Faiss 多后端，一条龙解决

技术细节

• 默认 NetworkX 图库，可换 Neo4j 或 Memgraph；向量端 NanoVectorDB 也能切到 Qdrant、Milvus

• 32k 上下文 LLM 即可跑通，embedding 用 bge-m3 或 text-embedding-3-large，reranker 可选 bge-reranker-v2-m3

• 对话历史、用户 prompt、token 预算全部暴露接口，二次开发零阻碍

仓库：http://t.cn/A6E3lAPP

#RAG新范式##知识图谱##开源项目##大模型实战##HKUDS#