LightRAG实战：轻松构建知识图谱，破解传统RAG多跳推理难题

作者：后端小肥肠

🍊 有疑问可私信或评论区联系我。

🥑 创作不易未经允许严禁转载。

姊妹篇：

2025防失业预警：不会用DeepSeek-RAG建知识库的人正在被淘汰_deepseek-embedding-CSDN博客

从PDF到精准答案：Coze助力RAGFlow框架提升数据召回率_rag 召回率测试-CSDN博客

基于RAGFlow本地部署DeepSeek-R1大模型与知识库：从配置到应用的全流程解析_ragflow 怎么配置自己部署的大模型-CSDN博客

1. 前言

2. LightRAG简介

2.1. 什么是LightRAG

2.2. LightRAG检索和查询流程图

3. LightRAG构建检索增强生成系统（生成知识图谱）

3.1. 本地安装

3.2. LightRAG构建检索增强生成系统（生成知识图谱）实战

3.2.1. 基于ollama构建检索增强生成系统（生成知识图谱）

3.2.2. 调用云端智普大模型构建检索增强生成系统（生成知识图谱）

4. LightRAG查询

5. 资料获取

6. 结语

1. 前言

当前的检索增强生成（RAG）技术在实际应用中面临若干挑战。传统的RAG采用基于向量的扁平化数据表示，难以有效建模实体之间的复杂语义关系，导致在处理复杂领域知识时检索精度不足。此外，传统RAG在多实体关联推理中容易出现逻辑断层，且全量更新机制使得知识库的维护成本随数据规模指数增长。相比之下，LightRAG通过引入图结构和增量更新算法，大幅降低了计算开销，提高了系统在实时数据更新和复杂推理场景中的应用效能。

本文将深入探讨LightRAG的原理，通过实战演示如何基于LightRAG生成知识图谱，同时展示如何进行查询操作，帮助你全方位掌握这一工具。感兴趣的话就继续往下阅读吧~

2. LightRAG简介

2.1. 什么是LightRAG

LightRAG（Lightweight Retrieval-Augmented Generation）是香港大学团队开发的一种轻量级、高效的检索增强生成（RAG）系统。它通过将图结构融入文本索引和检索过程中，采用双层检索机制，增强了对复杂实体依赖关系的理解能力，同时提高了信息检索的效率和响应速度，项目指路：https://github.com/HKUDS/LightRAG

LightRAG的主要优势包括：

高效的知识图谱构建：LightRAG通过图结构差异分析实现增量更新算法，显著降低了计算开销，使知识库维护更加高效。
双层检索机制：该系统结合了低层次（具体实体和属性）和高层次（广泛主题和概念）的检索策略，满足了不同类型的查询需求，提高了检索的全面性和多样性。
快速适应动态数据：LightRAG能够在新数据到来时快速整合，无需重建整个知识库，确保系统在动态环境中保持高效和准确。

通过了解和使用LightRAG，您可以构建高效、灵活且易于维护的知识图谱系统，提升信息检索和生成任务的性能，特别是在处理复杂实体关系和动态数据更新的场景中。

2.2. LightRAG检索和查询流程图

上述流程可以归纳为两大步骤，分别为索引构建流程和查询响应流程：

索引构建流程：

这个阶段的目标是把所有资料整理好，方便后续快速查找，就像把图书馆的书按主题、内容、关系整整齐齐地放好：

1. 把文本切块 + 提取知识

系统先把原始文档分成一个个小段落（Chunk），方便处理。
然后通过语言模型，从中找出关键的人名、地名、概念等，并发现它们之间的联系（比如：“乔布斯创办苹果公司”）。
最后去掉重复内容，把图谱结构整理得更紧凑、更清晰。

2. 存进图谱+向量库

所有概念和它们之间的关系会被保存成一张“知识图谱”，像思维导图一样储存在图数据库里。
同时，每个概念和文本也会被转成“向量”（一串数字），方便用数学方式快速找相似的内容。

3. 动态更新

当新数据加入时，LightRAG采用增量更新算法，只更新相关部分，而无需重建整个知识库。

查询响应流程：

这个阶段的任务是：当用户提出一个问题时，系统先理解问题在说什么，然后去“知识库”里找答案，再组织成一段清晰自然的回复。

1. 先分析问题，分出两类关键词

系统会分析用户提问的句子，从中提取出两种关键词：

局部关键词：具体的内容，比如“爱因斯坦”、“相对论”这种名词。
全局关键词：更偏概念性的词，比如“物理学原理”、“科学贡献”。

2. 两步查找，信息更全面

局部检索：先用具体的关键词在“向量库”里找最相关的小段落或知识点。
全局检索：再根据概念性关键词，在知识图谱中沿着关系扩展，找更多相关内容。

3. 组织上下文，生成自然语言回答

把刚才查到的信息拼成一个“上下文背景”，喂给语言模型（LLM）。
系统会按照提前设定的“回答模板”来组织内容，确保回答连贯、有逻辑、信息完整。

3. LightRAG构建检索增强生成系统（生成知识图谱）

3.1. 本地安装

本地安装教程比较简单，首先我们需要把项目克隆到本地，可以用git下载，也可以直接下载安装包：

下载到本地后还是用Pycharm打开，配置一下环境（需要先建立虚拟环境LightRAG，怎么建的就不说了，实在不会的去看我这篇文章的3.1小节解锁DeepSeek-R1大模型微调：从训练到部署，打造定制化AI会话系统_deepseek本地模型训练后怎么讲训练成功移植到生产环境上-CSDN博客）

打开命令行：

运行以下命令安装LightRAG Core：

pip install -e .

之后运行以下命令安装LightRAG Server：

pip install -e ".[api]"

3.2. LightRAG构建检索增强生成系统（生成知识图谱）实战

在程序的examples目录下面提供了很多构建检索增强生成系统（生成知识图谱）的python示例文件：

首先我们需要下载一下用于生成知识图谱的示例文件（狄更斯的圣诞颂歌）：

curl https://raw.githubusercontent.com/gusye1234/nano-graphrag/main/tests/mock_data.txt > ./book.txt

下载完成以后记得放到examples目录下面。

3.2.1. 基于ollama构建检索增强生成系统（生成知识图谱）

基于ollama构建检索增强生成系统（生成支持图谱）的python文件为lightrag_ollama_demo.py，官方就有相关视频教我们怎么一步步生成知识图谱和进行查询操作：https://www.youtube.com/watch?v=g21royNJ4fw，如果你本地显存很大，可以试一下，否则我不建议你去浪费时间，我就被卡了一下午，我的chat模型用的是deepseek-r1:1.5b，向量模型用的是nomic-embed-text:latest

报错503，出于程序员的本能，我第一时间就想着用postman测一下这个接口能通吗？测了以后是通的。

于是又去查了资料：

被自己蠢笑了，原本是本地电脑8G的显存根本不够.......

3.2.2. 调用云端智普大模型构建检索增强生成系统（生成知识图谱）

基于云端智普大模型生成知识图谱的python文件为lightrag_zhipu_demo.py，加一行代码配置一下智普大模型的apiKey就行：

os.environ["ZHIPUAI_API_KEY"] = ""

你实在不知道加哪里（纯小白），就直接粘贴我这个代码替换lightrag_zhipu_demo.py：

# 导入必要的标准库
import os
import logging
import asyncio

# 从lightrag库中导入LightRAG类和QueryParam类
from lightrag import LightRAG, QueryParam
# 从lightrag.llm.zhipu模块中导入智普大模型的文本生成和嵌入函数
from lightrag.llm.zhipu import zhipu_complete, zhipu_embedding
# 从lightrag.utils模块中导入EmbeddingFunc类，用于定义嵌入函数
from lightrag.utils import EmbeddingFunc
# 从lightrag.kg.shared_storage模块中导入初始化管道状态的函数
from lightrag.kg.shared_storage import initialize_pipeline_status

# 设置工作目录
WORKING_DIR = "./dickens"

# 配置日志记录，设置日志格式和日志级别为INFO
logging.basicConfig(format="%(levelname)s:%(message)s", level=logging.INFO)

# 如果工作目录不存在，则创建该目录
if not os.path.exists(WORKING_DIR):
    os.mkdir(WORKING_DIR)
    
# 设置智普大模型的API密钥
os.environ["ZHIPUAI_API_KEY"] = ""

# 获取环境变量中的API密钥
api_key = os.environ.get("ZHIPUAI_API_KEY")
# 如果API密钥未设置，则抛出异常提示用户设置API密钥
if api_key is None:
    raise Exception("Please set ZHIPU_API_KEY in your environment")

# 定义一个异步函数，用于初始化LightRAG实例
async def initialize_rag():
    # 创建LightRAG实例
    rag = LightRAG(
        working_dir=WORKING_DIR,  # 设置工作目录
        llm_model_func=zhipu_complete,  # 设置使用的语言模型函数
        llm_model_name="glm-4-flashx",  # 设置使用的语言模型名称
        llm_model_max_async=4,  # 设置最大异步请求数
        llm_model_max_token_size=32768,  # 设置模型处理的最大token数量
        # 设置嵌入函数
        embedding_func=EmbeddingFunc(
            embedding_dim=2048,  # 设置嵌入向量的维度
            max_token_size=8192,  # 设置模型处理的最大token数量
            func=lambda texts: zhipu_embedding(texts),  # 使用智普的嵌入函数
        ),
    )

    # 初始化存储系统
    await rag.initialize_storages()
    # 初始化管道状态
    await initialize_pipeline_status()

    # 返回初始化好的LightRAG实例
    return rag

# 定义主函数
def main():
    # 使用异步事件循环初始化LightRAG实例
    rag = asyncio.run(initialize_rag())

    # 读取本地文本文件并将其内容插入到LightRAG中
    with open("./book.txt", "r", encoding="utf-8") as f:
        rag.insert(f.read())

    # 使用不同的查询模式进行检索并打印结果
    # 朴素检索：基础查询模式
    print(
        rag.query(
            "What are the top themes in this story?", param=QueryParam(mode="naive")
        )
    )

    # 局部检索：局部检索模式，仅查找与输入相关的区域
    print(
        rag.query(
            "What are the top themes in this story?", param=QueryParam(mode="local")
        )
    )

    # 全局检索：全局检索模式，扩展到整个知识图谱的关系
    print(
        rag.query(
            "What are the top themes in this story?", param=QueryParam(mode="global")
        )
    )

    # 混合检索：混合模式，结合局部与全局信息
    print(
        rag.query(
            "What are the top themes in this story?", param=QueryParam(mode="hybrid")
        )
    )

# 如果当前模块是主模块，则调用主函数
if __name__ == "__main__":
    main()

上述代码展示了如何使用LightRAG框架构建一个基于智普大模型的检索增强生成系统。首先，设置工作目录并配置智普API密钥。然后，定义了一个异步函数initialize_rag，用于初始化LightRAG实例，包括设置语言模型、嵌入函数和其他参数。在main函数中，读取本地文本文件，将其内容插入到LightRAG中，并执行多种查询模式（如naive、local、global、hybrid），以获取不同层次的检索结果。整个流程实现了从文本处理、嵌入生成到多模式检索的功能。

不知道智普大模型的apiKey怎么申请的可以点击这个网址：智谱AI开放平台

填入apiKey后运行代码，代码运行完毕后会在工作目录生成结果文件：

以下是对各文件功能的解释（细节图我就不截了，可以生成出来自己去看文件细节）：

1. graph_chunk_entity_relation.graphml：

该文件以GraphML格式存储知识图谱的图形结构，包括实体节点及其相互关系。这种格式便于使用图形处理工具进行可视化和分析。

2. kv_store_doc_status.json：

此JSON文件记录文档处理的状态信息，例如文档是否已成功处理或是否存在错误。这有助于跟踪文档的处理进度和状态。

3. kv_store_full_docs.json：

存储原始文档的完整内容。该文件包含了所有输入文档的文本数据，便于后续的检索和处理。

4. kv_store_llm_response_cache.json：

用于缓存大型语言模型（LLM）的响应结果，以提高系统的响应速度和效率，避免对相同请求进行重复计算。

5. kv_store_text_chunks.json：

存储将文档拆分成的小块（chunks）后的文本数据。将长文档拆分为较小的块有助于提高处理效率和检索精度。

6. vdb_chunks.json：

包含文本块的向量化表示。通过将文本块转换为向量，可以在向量数据库中进行高效的相似度搜索和检索。

7. vdb_entities.json：

存储知识图谱中实体的向量表示。将实体转换为向量形式，有助于在检索和推理过程中快速匹配和识别相关实体。

8. vdb_relationships.json：

记录知识图谱中实体之间关系的向量表示。通过将关系表示为向量，可以在图谱中进行高效的关系检索和推理。

这些文件共同构成了LightRAG系统的数据存储和管理架构，支持知识图谱的构建、更新和查询等功能。

运行graph_visual_with_html.py，就可以生成可视化的知识图谱html页面：

# 导入pipmaster库，用于简化Python包的安装和管理
import pipmaster as pm

# 检查并安装pyvis库，如果尚未安装
if not pm.is_installed("pyvis"):
    pm.install("pyvis")
# 检查并安装networkx库，如果尚未安装
if not pm.is_installed("networkx"):
    pm.install("networkx")

# 导入networkx库，用于创建和操作复杂的网络图
import networkx as nx
# 从pyvis.network模块导入Network类，用于在浏览器中展示网络图
from pyvis.network import Network
# 导入random模块，用于生成随机数
import random

# 读取GraphML格式的图文件，创建一个NetworkX图对象G
G = nx.read_graphml("./dickens/graph_chunk_entity_relation.graphml")

# 创建一个Pyvis的Network对象，用于在浏览器中展示网络图
net = Network(height="100vh", notebook=True)

# 将NetworkX图对象G转换为Pyvis网络
net.from_nx(G)

# 遍历网络中的所有节点，为每个节点添加随机颜色和提示信息
for node in net.nodes:
    # 为节点分配一个随机颜色
    node["color"] = "#{:06x}".format(random.randint(0, 0xFFFFFF))
    # 如果节点有"description"属性，将其设置为鼠标悬停时显示的提示信息
    if "description" in node:
        node["title"] = node["description"]

# 遍历网络中的所有边，为每条边添加提示信息
for edge in net.edges:
    # 如果边有"description"属性，将其设置为鼠标悬停时显示的提示信息
    if "description" in edge:
        edge["title"] = edge["description"]

# 将网络图保存为HTML文件，并在浏览器中展示
net.show("knowledge_graph.html")

上述代码使用 networkx 创建图结构，利用 pyvis 将其转换为交互式网络图，并在浏览器中显示。代码首先检查并安装所需的 pyvis 和 networkx 库，随后读取存储在 ./dickens/graph_chunk_entity_relation.graphml 的图数据文件。通过 pyvis 的 Network 类，将 networkx 图对象转换为可视化网络，随机为每个节点分配颜色，并设置节点和边的提示信息。最终，生成的交互式网络图被保存为 knowledge_graph.html 文件，用户可在浏览器中打开并与之交互。

把鼠标移动到节点上还能查看详情：

4. LightRAG查询

在lightrag_zhipu_demo.py中选择你想要的查询模式（注释其他模式），输入问题即可进行查询（我选的是global模式）：

我的问题是：

这个故事的主题是什么?

LightRAG的回答：

这个故事的主题是道德救赎和人物转变。通过讲述吝啬鬼斯克鲁奇在圣诞节的经历，以及他与三位圣诞灵的相遇，故事展现了斯克鲁奇从自私、冷酷到慷慨、仁慈的转变。圣诞节作为一个象征性的节日，强调了慷慨、善良和对他人的关怀。故事传达了深刻的道德教训，即人们可以通过反思和改变自己的行为来获得救赎。以下是几个重要的主题：
1. 道德救赎：斯克鲁奇在故事中经历了深刻的道德转变，他从最初的冷漠和吝啬，最终转变为一个慷慨和仁慈的人。
2. 人物转变：斯克鲁奇的转变是故事的核心，它展示了一个人在经历启示后如何改变自己的性格和行为。
3. 圣诞节的象征意义：圣诞节作为一个节日，象征着慷慨、善良和社区的团结，对斯克鲁奇的性格转变起到了重要的推动作用。
4. 社会批判：故事通过描绘斯克鲁奇对穷人和慈善事业的冷漠态度，对社会的不平等和贫富差距进行了批判。
5. 人性的复杂性：斯克鲁奇的形象展示了人性的复杂性，即使是一个冷酷的人也有机会改变自己，成为更好的人。
以上主题共同构成了《圣诞颂歌》的核心内容，使其成为一部经典的文学作品。

5. 资料获取

如果你对DeepSeek的相关知识还不熟悉，可以关注gzh后端小肥肠，点击底部【资源】菜单获取DeepSeek相关教程资料。

6. 结语

通过对LightRAG技术的探索与应用，我们不仅成功地构建了一个高效的知识图谱系统，还进一步理解了RAG（检索增强生成）技术在实际应用中的潜力与挑战。LightRAG通过引入图结构和增量更新机制，大大提升了知识图谱的构建效率与查询精度，特别是在处理复杂领域知识时，展现了其独特的优势。此外，LightRAG通过结合检索与生成的双层机制，能够在保持语义连贯性的同时，实现对多实体、多层次关系的深入理解。无论是在文本生成、信息检索还是知识图谱的可视化等方面，LightRAG都为我们提供了新的思路和工具，推动了智能系统在处理复杂问题时的表现。

如果本文对你有帮助，请动动小手点点关注哦~小肥肠将持续更新AI相关干货知识和好用工具。