2.5.10 LightRAG
跨项目、跨客户、跨政策的问题往往依赖实体关系，单纯关键词或向量召回容易漏掉关联路径。
业务需求轻量图谱增强检索
架构位置作为轻量图谱增强检索的算法参照，用实体和关系提升跨资料召回
落地阶段二期算法验证
相关来源文件
ai_agent_huge_data_report/docs/13-reference-projects-deepwiki-granularity.mdai_agent_huge_data_report/docs/11-reference-platforms-agentic-knowledge-base.md
DeepWiki 中文译文子页
LightRAG 的 DeepWiki 中文译文入口
跨项目、跨客户、跨政策的问题依赖实体关系，单纯关键词或向量召回容易漏掉关联路径。
52/52 页中文译文
译文覆盖完整
检索、召回与索引、测试、发布与运维、存储与持久化
业务问题与适用场景
跨项目、跨客户、跨政策的问题往往依赖实体关系，单纯关键词或向量召回容易漏掉关联路径。
本页从 LightRAG 中拆出问题解决方式、对象边界、关键机制和可迁移设计，避免“看过一个开源项目”停留在名词层面。
架构位置与边界
作为轻量图谱增强检索的算法参照，用实体和关系提升跨资料召回。
落地判断
如果该项目能力进入本项目，必须先回答三件事：是否保留现有事实源，是否能继承权限，是否能把每个结论回到来源证据。核心对象与数据模型
| 对象 | 作用 | 本项目映射 |
|---|---|---|
实体Entity | 客户、项目、合同、政策、部门等业务对象。 | entities |
关系Relationship | 合同属于客户、项目适用政策、部门负责项目等连接器 | relationships |
图索引Graph Index | 围绕实体和关系构建可检索网络。 | graph_index |
混合召回Hybrid Retrieval | 结合关键词、向量和图关系召回证据。 | hybrid_retrieval |
关系扩展Graph Expansion | 从命中实体向邻接实体和关系扩展。 | relation_expansion |
主流程与数据流
图 2.5.10 · LightRAG 主流程与数据流。
关键实现机制
| 机制 | 拆解说明 |
|---|---|
| 轻量图谱 | 先服务召回增强，不急于建设全量企业知识图谱。 |
| 实体中心召回 | 把项目、客户、政策等实体作为扩展入口。 |
| 证据链约束 | 图关系只能辅助召回，回答仍要回到可引用文本。 |
| 渐进落地 | 从高频实体类型开始，逐步扩展关系类型。 |
技术亮点
- 适合跨资料关联问答。
- 比完整图谱建设更轻，适合做算法验证。
- 能弥补单纯向量召回对关系路径不敏感的问题项
不适合照搬的部分
- 实体抽取和关系抽取错误会扩大错误召回。
- 不应在一期成为主检索路径。
映射到本项目
| 本项目设计点 | 落地说明 |
|---|---|
| 实体词典 | 沉淀客户、项目、政策、合同主体等核心实体。 |
| 关系候选表 | 模型抽取后进入人工抽检或规则确认。 |
| 图增强召回开关 | 先作为实验性召回通道，与传统检索对照。 |
验证清单
- 构造跨客户、跨项目、跨政策问题集，比较是否提升召回覆盖且不降低引用准确率。
依据
术语显示规则
- 正文
- 优先使用中文术语；项目名、接口名和代码字段保留原名。
- 原名
- 原英文名以灰色代码标识显示，便于索引和核对定义，不打断常规阅读。
下一页2.5.11 jcode