README

🚀 LightRAG: 简单且快速的检索增强生成（RAG）框架


    




  



  
    
      
      
      
    
    
      
      
    
    
      
      
    
    
      
      
      
      
    
    
      
      
    
  





  



    


---


  
    
      
        
      
      
        
          
        
      
    
  


---

 🎉 新闻
- [2026.07]🎯[新功能]: 添加 Word 文档 智能章节标题 识别功能。
- [2026.05]🎯[新功能]：将 RagAnything 合并至 LightRAG🎉。支持通过 MinerU / Docling 服务进行多模态内容解析与提取。
- [2026.05]🎯[新功能]：引入四种可选的文本分块策略：Fix（固定）、Recursive（递归）、Vector（向量）和 Paragraph（段落语义）。
- [2026.05]🎯[新功能]：支持按角色配置 LLM，提供四个独立角色：EXTRACT、QUERY、KEYWORDS 和 VLM，每个角色拥有独立的 LLM 设置。
- [2026.03]🎯[新功能]: 集成了 OpenSearch 作为统一存储后端，为 LightRAG 的全部四种存储类型提供全面支持。
- [2026.03]🎯[新功能]: 推出交互式安装向导，支持通过 Docker 在本地部署 Embedding、Reranking 及存储后端服务。
- [2025.11]🎯[新功能]: 集成了 RAGAS 评估和 Langfuse 追踪。更新了 API 以在查询结果中返回召回上下文，支持上下文精度指标。
- [2025.10]🎯[可扩展性增强]: 消除了处理瓶颈，以高效支持大规模数据集。
- [2025.09]🎯[新功能]: 显著提升了 Qwen3-30B-A3B 等开源 LLM 的知识图谱提取准确性。
- [2025.08]🎯[新功能]: 现已支持 Reranker，显著提升混合查询性能（已设为默认查询模式）。
- [2025.08]🎯[新功能]: 添加了文档删除功能，并支持自动重新生成知识图谱，以确保最佳查询性能。
- [2025.06]🎯[新发布]: 我们的团队发布了 RAG-Anything —— 一个用于无缝处理文本、图像、表格和方程式的全功能多模态 RAG 系统。
- [2025.06]🎯[新功能]: LightRAG 现已集成 RAG-Anything，支持全面的多模态数据处理，实现对 PDF、图像、Office 文档、表格和公式等多种格式的无缝文档解析和 RAG 能力。详见多模态文档处理部分。
- [2025.03]🎯[新功能]: LightRAG 现已支持引用功能，实现了准确的源归因和增强的文档可追溯性。
- [2025.02]🎯[新功能]: 现在您可以使用 MongoDB 作为一体化存储解决方案，实现统一的数据管理。
- [2025.02]🎯[新发布]: 我们的团队发布了 VideoRAG —— 一个用于理解超长上下文视频的 RAG 系统。
- [2025.01]🎯[新发布]: 我们的团队发布了 MiniRAG，使用小型模型简化 RAG。
- [2025.01]🎯现在您可以使用 PostgreSQL 作为一体化存储解决方案进行数据管理。
- [2024.11]🎯[新资源]: LightRAG 的综合指南现已在 LearnOpenCV 上发布 —— 探索深入的教程和最佳实践。非常感谢博客作者的杰出贡献！
- [2024.11]🎯[新功能]: 推出 LightRAG WebUI —— 一个允许您通过直观的 Web 界面插入、查询和可视化 LightRAG 知识的仪表板。
- [2024.11]🎯[新功能]: 现在您可以使用 Neo4J 进行存储 —— 开启图数据库支持。
- [2024.10]🎯[新功能]: 我们添加了 LightRAG 介绍视频 的链接 —— 演示 LightRAG 的各项功能。感谢作者的杰出贡献！
- [2024.10]🎯[新频道]: 我们创建了一个 Discord 频道！💬 欢迎加入我们的社区进行分享、讨论和协作！ 🎉🎉


  
    算法流程图
  

!LightRAG索引流程图
图1：LightRAG索引流程图 - 图片来源：Source
!LightRAG检索和查询流程图
图2：LightRAG检索和查询流程图 - 图片来源：Source



 安装

💡 使用 uv 进行包管理: 本项目使用 uv 进行快速可靠的 Python 包管理。首先安装 uv: curl -LsSf https://astral.sh/uv/install.sh | sh (Unix/macOS) 或 powershell -c "irm https://astral.sh/uv/install.ps1 | iex" (Windows)

 注意：如果您愿意，也可以使用 pip，但为了获得更好的性能 and 更可靠的依赖管理，建议使用 uv。

 📦 离线部署: 对于离线或隔离环境，请参阅离线部署指南，了解预安装所有依赖项和缓存文件的说明。

 安装LightRAG服务器

 从PyPI安装

bash
 使用 uv 安装 LightRAG 服务器（作为工具，推荐)
uv tool install "lightrag-hku[api]"

 或使用 pip
 python -m venv .venv
 source .venv/bin/activate   Windows: .venv\Scripts\activate
 pip install "lightrag-hku[api]"

 配置 env 文件
 从 GitHub 仓库的根目录上下载 env.example 文件
 或从本地检出的源代码中获取 env.example 文件
cp env.example .env   使用你的LLM和Embedding模型访问参数更新.env文件
 启动 API-WebUI 服务。默认绑定所有网络接口(0.0.0.0)。
 安全提示:对外网暴露前,请在 .env 中配置认证(LIGHTRAG_API_KEY,或
 AUTH_ACCOUNTS 搭配 TOKEN_SECRET);若仅需本机访问,可绑定 127.0.0.1;
 否则所有接口都将公开可访问。
 注意:为兼容 Ollama 客户端,/api/ 路由默认不鉴权;如需对其启用认证,
 请将 WHITELIST_PATHS 收窄为 /health。
lightrag-server


 从源代码安装

bash
git clone https://github.com/HKUDS/LightRAG.git
cd LightRAG

 一键初始化开发环境（推荐）
make d

Top issues

Discussions

Latest release

Important Notes

New Feature: Add end-user-facing entry point to WebUI 

v1.5.7 adds a second, end-user-facing entry — /workspace — together with the branding and prompt controls a deployment needs before it can be handed to real users.

 A query-only entry for end users: /workspace
 Customizable welcome, login and empty-state pages
 A global USER_PROMPT_PREFIX

/workspace UI shows the chat surface and nothing else — no document management, no knowledge graph, no API-docs links — and is built for mobile use. Point UI_TEMPLATES_DIR at a small directory of Markdown files plus a manifes