Repolode
HKUDS

HKUDS/LightRAG

Framework y servidor ligero de RAG con grafos de conocimiento que indexa documentos como entidades y relaciones para generar respuestas de LLM con recuperación aumentada.

Alternativa open source a:Microsoft GraphRAG

Estrellas
40,235
Forks
5,709
Issues abiertos
394
Último commit
hace 5 días

¿Qué es?

LightRAG es un framework de generación aumentada por recuperación que crea un grafo de conocimiento a partir de tus documentos. Para ello, extrae entidades y relaciones con un LLM y las almacena junto con embeddings vectoriales. Después, las consultas pueden responderse usando el contexto de entidades locales, el contexto global de relaciones, la recuperación de fragmentos sin más o una combinación de estos métodos. Hay cinco modos de consulta seleccionables; mix es el predeterminado.

Además del SDK de Python, incluye un servidor con una API REST y una interfaz web para cargar documentos, explorar el grafo y depurar consultas. Para analizar documentos, se puede usar MinerU, Docling o el parser nativo integrado para archivos de Word y Markdown. Entre las opciones de almacenamiento están PostgreSQL, MongoDB, OpenSearch, Neo4j, Milvus, Qdrant y otras. El almacenamiento en memoria, que viene configurado de forma predeterminada, está pensado solo para pruebas; el proyecto recomienda PostgreSQL en producción.

El proyecto incluye integraciones con RAGAS para evaluar y con Langfuse para el tracing, reranking opcional, configuración de LLM por rol para tareas de extracción, consulta, palabras clave y visión, y despliegue con Docker Compose.

Funciones clave

  • 01Crea un grafo de conocimiento con entidades y relaciones a partir de documentos mediante un LLM.
  • 02Ofrece cinco modos de consulta: local, global, hybrid, naive y mix.
  • 03Incluye un servidor con API REST y una interfaz web integrada.
  • 04Analiza documentos con MinerU, Docling o un parser nativo para Word y Markdown.
  • 05Admite PostgreSQL, MongoDB, OpenSearch, Neo4j, Milvus y Qdrant como backends de almacenamiento.
  • 06Admite actualizaciones incrementales y eliminación de documentos, con reconstrucción del grafo de conocimiento.

Casos de uso

  • Crear un sistema de preguntas y respuestas sobre una gran colección privada de documentos.
  • Responder preguntas que abarcan varios documentos y requieren resumir temas o relaciones.
  • Consultar manuales legales, financieros o técnicos que contienen tablas y fórmulas.
  • Evaluar la calidad de RAG con RAGAS y, a la vez, hacer tracing de las llamadas con Langfuse.

Inicio rápido

  1. 1

    Instala el servidor LightRAG con uv

    uv tool install "lightrag-hku[api]"
  2. 2

    Crea un archivo .env a partir del ejemplo y configura el LLM y los embeddings

    cp env.example .env
  3. 3

    Inicia el servidor LightRAG

    lightrag-server

Antes de usarlo

  • De forma predeterminada, el servidor se enlaza a todas las interfaces y, sin autenticación, todos los endpoints son públicos.
  • Debes configurar un LLM y un modelo de embeddings en .env antes de que pueda indexar o responder consultas.

Temas

Preguntas frecuentes

¿Qué es LightRAG?
Framework y servidor ligero de RAG con grafos de conocimiento que indexa documentos como entidades y relaciones para generar respuestas de LLM con recuperación aumentada. LightRAG es un framework de generación aumentada por recuperación que crea un grafo de conocimiento a partir de tus documentos. Para ello, extrae entidades y relaciones con un LLM y las almacena junto con embeddings vectoriales. Después, las consultas pueden responderse usando el contexto de entidades locales, el contexto global de relaciones, la recuperación de fragmentos sin más o una combinación de estos métodos. Hay cinco modos de consulta seleccionables; mix es el predeterminado.
¿LightRAG es gratuito? ¿Qué licencia tiene?
LightRAG es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿LightRAG sigue mantenido?
Mantenimiento activo. El último commit de LightRAG fue el 15 oct 2026.
¿Para qué puedo usar LightRAG?
Crear un sistema de preguntas y respuestas sobre una gran colección privada de documentos. Responder preguntas que abarcan varios documentos y requieren resumir temas o relaciones. Consultar manuales legales, financieros o técnicos que contienen tablas y fórmulas. Evaluar la calidad de RAG con RAGAS y, a la vez, hacer tracing de las llamadas con Langfuse.
¿Cómo se instala LightRAG?
Instala el servidor LightRAG con uv: uv tool install "lightrag-hku[api]" Crea un archivo .env a partir del ejemplo y configura el LLM y los embeddings: cp env.example .env Inicia el servidor LightRAG: lightrag-server
¿Dónde consigo LightRAG?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/HKUDS/LightRAG

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados