今天又来分享一个优秀的开源项目它是香港大学团队开发的一种轻量级、高效的RAG系统刚刚上线就登上GitHub热榜的RAG框架LightRAGLightRAG通过引入图结构和增量更新算法大幅降低了计算开销提高了系统在实时数据更新和复杂推理场景中的应用效能LightRAG检索和查询流程图LightRAG索引流程图该项目提供Web UI和API支持Web UI便于文档索引、知识图谱探索和简单的RAG查询界面LightRAG服务器还提供兼容Ollama的接口将LightRAG模拟为Ollama聊天模型这使得AI聊天机器人如Open WebUI可以轻松访问LightRAG•语言 Python•项目地址https://github.com/HKUDS/LightRAG技术亮点图谱级知识关联能力构建“知识节点语义关系”网络让回答从简单匹配升级为上下文推理轻量化易部署无需复杂依赖几条命令就能配好环境个人和小团队也能轻松使用并部署顶会论文背书的技术源于EMNLP前沿研究理论深度和工程落地能兼顾多模态扩展空间大架构预留接口文本、图像、视频等多类知识都能后续接入能无缝嵌入现有系统OpenAI、Claude、Gemini等主流LLM都能轻松集成快速上手极速体验1. 安装# 推荐方式通过 PyPI 安装pip install lightrag-hku[api]# 如果你想浏览源码、调试修改从源码安装git clone https://github.com/HKUDS/LightRAG.gitcd LightRAGpip install -e .[api]这里.[api]是为了同时安装 LightRAG 的 API / Web UI 部分2. 配置环境.env 模型绑定LightRAG 在启动时依赖一系列环境变量用于绑定LLM语言模型与Embedding向量模型。官方提供了一个env.example文件作为模板你只需要复制一份改名为.env然后根据自己的环境修改即可。•语言模型配置包括模型类型例如 OpenAI、Ollama、模型名称如gpt-4o、mistral-nemo:latest、API 地址和密钥。例如plaintextLLM_BINDINGopenaiLLM_MODELgpt-4oLLM_BINDING_API_KEY你的API_KEY•嵌入模型配置指定嵌入引擎如ollama或openai、模型名称例如bge-m3:latest以及其主机地址和维度。例如plaintextEMBEDDING_BINDINGollamaEMBEDDING_MODELbge-m3:latestEMBEDDING_BINDING_HOSThttp://localhost:11434EMBEDDING_DIM1024•其他控制参数可选项包括最大 token 限制 (MAX_TOKENS)、请求超时 (TIMEOUT) 等。plaintextMAX_TOKENS4096TIMEOUT150• 修改.env后建议重新打开终端 / 重启服务以确保新的环境变量生效。•.env放在启动目录下是官方设计意图可以让多个 LightRAG 实例在不同目录下启动、用不同配置运行。• 如果同时配置了系统环境变量和.envLightRAG 启动时优先读取系统环境变量。3. 启动服务Web API 支持LightRAG 提供几种运行方式既适合本地开发也支持生产环境多进程部署。# 最简方式开发 / 测试环境lightrag-server# 生产 / 多进程部署不支持 Windows 环境lightrag-gunicorn --workers 4启动时还可以带入以下可选参数•--host监听地址默认为0.0.0.0•--port监听端口默认9621•--timeoutLLM 请求超时时间默认 150 秒•--log-level日志级别默认为 INFO•--input-dir文档索引目录默认./inputsLightRAG 启动后会自动在当前目录下创建inputs文档输入目录和rag_storage存储索引 / 模型 / 数据两个目录。这样多个实例启动时可以对应不同文件夹。4. 文档索引 知识库构建启动服务后可以通过 Web UI 或者 API 为知识库添加文档 / 索引文档• 在 Web UI 上完成文档上传 / 批量导入• 后台会自动对文档做切分 / 嵌入 / 图谱构建• 支持增量更新无需重建整个库就能合并新文档• 支持多种文档格式如 PDF、Word、Markdown 等官方在 v1.1.2 版本中加强了多格式文档处理能力在 v1.2.8 版本中官方还优化了文档扫描 / 并行处理逻辑使大批量文档索引速度有显著提升。5. 查询 / RAG 问答体验完成索引之后就可以通过以下方式进行问答 / 检索• 在 Web UI 中直接输入用户问题系统会返回答案 支持来源• 通过 API 接口调用向/query或类似 endpoint 发送问题• 支持多种检索缓存策略如naive、local、global、hybrid、mix等混合模式• 部分示例代码中支持流式响应/ 模型兼容接口如 OpenAI 兼容路径LightRAG 还内置知识图谱可视化模块可在 UI 上看到节点、子图、关系等结构信息点击图谱节点就可以显示具体的节点信息项目还提供lightrag_visualizer工具可以用于 3D 图谱展示6. 官方示例项目自带多个示例脚本可供参考•examples/lightrag_openai_demo.py使用 OpenAI 的接口进行 RAG 演示•examples/lightrag_api_openai_compatible_demo.py兼容 OpenAI API 风格的 demo支持流式、缓存策略演示等•examples/graph_visual_with_html.py/graph_visual_with_neo4j.py图谱可视化方案示例HTML / Neo4j 方式如果使用本地模型部署非云 API也可以先启动模型服务如 FastChat / vLLM / Ollama然后让 LightRAG 通过 HTTP 接口调用7. 踩坑注意•.env / 配置变更后重启LightRAG 每次启动都会从.env加载配置修改后请重新打开终端或者重启服务不然不会生效•文档体量大时并行处理官方在新版本中优化了并行扫描和索引逻辑所以在大体量的文档处理的时候要设置并行处理用以减少锁竞争、提高 CPU 利用率•实例隔离如果你要启动多个实例不同端口 / 配置建议为每个实例使用不同的.env和工作目录以避免路径冲突•模型资源匹配如果调用的是大型本地模型请确保系统有足够的显存这是个隐形的小坑会导致因为模型过大无法启动同类框架对比为什么选择它框架名称核心优势适用场景活跃度LightRAG图谱化RAG轻量高效快速知识问答、AI助手⭐⭐⭐⭐LangChain模块生态庞大通用智能体开发⭐⭐⭐⭐Haystack可视化与企业级集成支持企业搜索系统⭐⭐⭐DSPy程序化RAG策略学术研究⭐⭐为啥值得关注RAG 技术正在成为AI 认知增强的关键路径。而 LightRAG 让这种能力更接地气• 轻量化部署适合个人研究与小型产品快速试验• 图谱结构让 AI 的知识推理更自然、更可解释• 代码开源、思路清晰是学习“下一代 RAG 架构”的绝佳范例想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2026 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容一、学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC 实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。3. 600套技术大会 PPT听行业大咖讲实战PPT 整理自 2024-2025 年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。二、求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌1. 107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自 2021-2025 年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析2. 102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑3. 97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”三、路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、关键技术以及大模型应用场景。L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。L5阶段专题集丨特训篇 【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容2026 年想抓住 AI 大模型的风口别犹豫这份免费资料就是你的 “起跑线”