Repolode
Enviar
HKUDS

HKUDS/LightRAG

Um framework leve de RAG com grafo de conhecimento e servidor que indexa documentos como entidades e relações para gerar respostas de LLM com recuperação de informações.

Alternativa open source a:Microsoft GraphRAG

Ver no GitHubSite
Estrelas
40,235
Forks
5,709
Issues abertas
394
Último commit
há 5 dias

O que é?

LightRAG é um framework de geração aumentada por recuperação que cria um grafo de conhecimento a partir dos seus documentos, extraindo entidades e relações com um LLM e armazenando-as junto com embeddings vetoriais. As consultas podem ser respondidas usando o contexto de entidades locais, o contexto global de relações, a recuperação simples de trechos ou uma combinação dessas opções. Há cinco modos de consulta selecionáveis, e o padrão é mix.

Além do SDK Python, o projeto oferece um servidor com REST API e uma interface web para inserir documentos, explorar o grafo e depurar consultas. A análise de documentos pode ser feita com MinerU, Docling ou o parser nativo integrado para arquivos Word e Markdown; entre as opções de armazenamento estão PostgreSQL, MongoDB, OpenSearch, Neo4j, Milvus, Qdrant e outras. O armazenamento em memória, que é o padrão, serve apenas para testes; o projeto recomenda PostgreSQL em produção.

O projeto inclui integrações com RAGAS para avaliação e Langfuse para tracing, reranking opcional, configuração de LLMs por função para tarefas de extração, consulta, palavras-chave e visão, além de implantação com Docker Compose.

Recursos principais

  • 01Cria um grafo de conhecimento com entidades e relações extraídas dos documentos por um LLM.
  • 02Oferece cinco modos de consulta: local, global, híbrido, naive e mix.
  • 03Disponibiliza um servidor com REST API e interface web integrada.
  • 04Analisa documentos com MinerU, Docling ou um parser nativo para Word e Markdown.
  • 05Oferece suporte a PostgreSQL, MongoDB, OpenSearch, Neo4j, Milvus e Qdrant como backends de armazenamento.
  • 06Oferece suporte a atualizações incrementais e exclusão de documentos, reconstruindo o grafo de conhecimento.

Casos de uso

  • Criar um sistema de perguntas e respostas sobre uma grande coleção privada de documentos.
  • Responder a perguntas que envolvem vários documentos e exigem resumir temas ou relações.
  • Consultar manuais jurídicos, financeiros ou técnicos com tabelas e fórmulas.
  • Avaliar a qualidade do RAG com RAGAS e rastrear chamadas com Langfuse.

Início rápido

  1. 1

    Instale o servidor LightRAG com uv

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

    Crie um arquivo .env com base no exemplo e configure o LLM e os embeddings

    cp env.example .env
  3. 3

    Inicie o servidor LightRAG

    lightrag-server

Antes de usar

  • Por padrão, o servidor se vincula a todas as interfaces e, sem autenticação, todos os endpoints são públicos.
  • É necessário configurar um LLM e um modelo de embeddings em .env antes que ele possa indexar ou responder a consultas.

Tópicos

#rag#knowledge-graph#llm#graphrag#retrieval-augmented-generation#python#vector-database#docling#genai#gpt

Perguntas frequentes

O que é LightRAG?
Um framework leve de RAG com grafo de conhecimento e servidor que indexa documentos como entidades e relações para gerar respostas de LLM com recuperação de informações. LightRAG é um framework de geração aumentada por recuperação que cria um grafo de conhecimento a partir dos seus documentos, extraindo entidades e relações com um LLM e armazenando-as junto com embeddings vetoriais. As consultas podem ser respondidas usando o contexto de entidades locais, o contexto global de relações, a recuperação simples de trechos ou uma combinação dessas opções. Há cinco modos de consulta selecionáveis, e o padrão é mix.
LightRAG é gratuito? Qual é a licença?
LightRAG é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
LightRAG ainda é mantido?
Manutenção ativa. O último commit de LightRAG foi em 15 de out. de 2026.
Para que posso usar LightRAG?
Criar um sistema de perguntas e respostas sobre uma grande coleção privada de documentos. Responder a perguntas que envolvem vários documentos e exigem resumir temas ou relações. Consultar manuais jurídicos, financeiros ou técnicos com tabelas e fórmulas. Avaliar a qualidade do RAG com RAGAS e rastrear chamadas com Langfuse.
Como instalar LightRAG?
Instale o servidor LightRAG com uv: uv tool install "lightrag-hku[api]" Crie um arquivo .env com base no exemplo e configure o LLM e os embeddings: cp env.example .env Inicie o servidor LightRAG: lightrag-server
Onde consigo LightRAG?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/HKUDS/LightRAG

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados