非構造化テキストからLLMで構造化ナレッジグラフを抽出し、検索拡張型の質問応答に活用するPythonデータパイプライン。
HKUDS/LightRAG
文書をエンティティと関係性に分解してインデックス化し、LLMによる検索拡張回答を実現する軽量な知識グラフRAGフレームワーク兼サーバー。
代替できる製品:Microsoft GraphRAG
- スター
- 40,235
- フォーク
- 5,709
- 未解決の Issue
- 394
- 最終コミット
- 5 日前
これは何?
LightRAGは、文書から知識グラフを構築する検索拡張生成フレームワークです。LLMでエンティティと関係性を抽出し、ベクトル埋め込みとともに保存します。クエリには、エンティティのローカルなコンテキスト、関係性のグローバルなコンテキスト、通常のチャンク検索、またはそれらを組み合わせた方法で回答できます。選択可能なクエリモードは5種類あり、デフォルトはmixです。
Python SDKに加え、文書の登録、グラフの探索、クエリのデバッグに使えるWeb UI付きのREST APIサーバーも提供します。文書の解析にはMinerU、Docling、またはWordファイルとMarkdownファイルに対応した組み込みのネイティブパーサーを利用できます。ストレージにはPostgreSQL、MongoDB、OpenSearch、Neo4j、Milvus、Qdrantなどを使えます。デフォルトのインメモリストレージはテスト専用で、本番環境にはPostgreSQLが推奨されています。
RAGASによる評価やLangfuseによるトレーシングとの連携、任意で利用できるリランキング、抽出・クエリ・キーワード・ビジョンタスクごとのLLM設定、Docker Composeによるデプロイにも対応しています。
主な機能
- 01LLMを使って文書からエンティティと関係性の知識グラフを構築します。
- 02local、global、hybrid、naive、mixの5種類のクエリモードを利用できます。
- 03Web UIを内蔵したREST APIサーバーを提供します。
- 04MinerU、Docling、またはWord/Markdown対応のネイティブパーサーで文書を解析します。
- 05ストレージバックエンドとしてPostgreSQL、MongoDB、OpenSearch、Neo4j、Milvus、Qdrantに対応します。
- 06知識グラフを再構築しながら、文書を段階的に更新・削除できます。
ユースケース
- 大量の非公開文書を対象とする質問応答システムの構築。
- テーマや関係性の要約が必要な、複数文書にまたがる質問への回答。
- 表や数式を含む法律・金融・技術マニュアルの検索。
- Langfuseで呼び出しをトレースしながら、RAGASでRAGの品質を評価。
クイックスタート
- 1
uv を使って LightRAG サーバーをインストールする
uv tool install "lightrag-hku[api]" - 2
サンプルから .env ファイルを作成し、LLM と embedding の設定を行う
cp env.example .env - 3
LightRAG サーバーを起動する
lightrag-server
使う前に知っておきたいこと
- サーバーはデフォルトですべてのインターフェースにバインドされ、認証がない場合はすべてのエンドポイントが公開されます。
- インデックス作成やクエリへの回答を行うには、事前に .env で LLM と embedding model を設定する必要があります。
トピック
よくある質問
- LightRAG とは?
- 文書をエンティティと関係性に分解してインデックス化し、LLMによる検索拡張回答を実現する軽量な知識グラフRAGフレームワーク兼サーバー。 LightRAGは、文書から知識グラフを構築する検索拡張生成フレームワークです。LLMでエンティティと関係性を抽出し、ベクトル埋め込みとともに保存します。クエリには、エンティティのローカルなコンテキスト、関係性のグローバルなコンテキスト、通常のチャンク検索、またはそれらを組み合わせた方法で回答できます。選択可能なクエリモードは5種類あり、デフォルトはmixです。
- LightRAG は無料で使えますか?ライセンスは?
- LightRAG は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- LightRAG は今もメンテナンスされていますか?
- 活発にメンテナンス中。LightRAG の最終コミットは 2026年10月15日 です。
- LightRAG は何に使えますか?
- 大量の非公開文書を対象とする質問応答システムの構築。 テーマや関係性の要約が必要な、複数文書にまたがる質問への回答。 表や数式を含む法律・金融・技術マニュアルの検索。 Langfuseで呼び出しをトレースしながら、RAGASでRAGの品質を評価。
- LightRAG のインストール方法は?
- uv を使って LightRAG サーバーをインストールする: uv tool install "lightrag-hku[api]" サンプルから .env ファイルを作成し、LLM と embedding の設定を行う: cp env.example .env LightRAG サーバーを起動する: lightrag-server
- LightRAG はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/HKUDS/LightRAG
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
会話履歴をそのまま保存し、セマンティック検索で取得するローカルファーストのAIメモリシステム。MCPサーバーとCLIを提供します。
独自データとLLMをつなぎ、RAG、エージェント、ドキュメント処理アプリケーションを構築するためのPythonフレームワーク。
ドキュメント、コード、会話をAIエージェント向けのセルフホスト型ナレッジグラフに変換する、オープンソースのAIメモリプラットフォーム。
モジュール型パイプラインとエージェントワークフローで、RAG、検索、エージェント向けの本番運用可能なLLMアプリケーションを構築するオープンソースPythonフレームワーク。
LightRAGを基盤とし、テキストに加えて画像・表・数式を含む文書を検索できるオールインワンのRAGフレームワーク。