原文: https://mp.weixin.qq.com/s/f8AZoxRMoXefedbnPzNBIQ
欢迎关注公zh: AI-Frontiers


**RAG往期文章推荐**
[RAG效果差？7个指标让你的准确率大幅提升](https://mp.weixin.qq.com/s/VV29xpdOMEkbz4iXmD_szg)
[RAG评测完整指南：指标、测试和最佳实践](https://mp.weixin.qq.com/s/am89yasxAvuYUToEAWNyTA)
[收藏！RAG核心工具大全: 7大解析工具+向量模型+数据库+检索排序](https://mp.weixin.qq.com/s/5XAWHqjZspU9xtC_CckV3w)

在LLM的应用落地进程中，RAG技术已成为解决模型幻觉、提升垂直领域专业性的重要手段。然而，传统的RAG系统在以下场景会表现出明显的局限性: ① 处理需要跨文档合成信息; ② 理解全局主题; ③ 执行复杂多跳推理的任务时。

简单来说，传统RAG无法有效连接分散的知识点，以及在大型数据集上缺乏宏观理解能力。为了应对这些挑战，学术界与工业界共同推动了知识图谱与RAG技术的深度融合，催生了GraphRAG这一全新的技术范式。GraphRAG的核心思想：通过将非结构化文本转化为结构化的实体、关系与社区节点，构建起一个多层次的知识网络，从而使 LLM 能够从宏观与微观两个维度深入理解私有知识库。

本篇将对当前开源社区内关注度最高、技术路线最具代表性的GraphRAG项目进行全方位解析，深入剖析其技术架构、核心特性、适用场景，并为企业及开发者提供严谨的选型战略建议。

| | | | |
|:-:|:-:|:-:|:-:|
|**项目**|**Star**|**类型**|**成熟度**|
|Microsoft GraphRAG|31k+|Graph-based RAG框架|⭐⭐⭐⭐⭐|
|LightRAG|29k+|图结构RAG框架|⭐⭐⭐⭐|
|NebulaGraph|12k+|企业级分布式图数据库|⭐⭐⭐⭐⭐|
|KAG (OpenSPG)|8k+|知识图谱推理RAG|⭐⭐⭐⭐|
|Yuxi-Know|4k+|KG + RAG QA系统|⭐⭐⭐|
|HippoRAG|3k+|神经生物学启发RAG|⭐⭐⭐|
# 检索范式的变革

GraphRAG的崛起并非偶然，而是检索技术在语义理解深度上的必然演进。传统基于向量检索的RAG将文本切分为孤立的语义碎片，并利用向量模型计算查询与文本块之间的相似度。这种方法在处理「寻找特定细节」的查询时效率极高，但在面对「该数据集的主要关注点是什么」等总结性问题，或需要遍历复杂关系链条的推理问题时，往往因为文本块之间的语义割裂而失效。

知识图谱（Knowledge Graph）的引入为RAG注入了结构化的灵魂。通过从文本中提取实体（Entity）及其相互间的语义关系（Relationship），GraphRAG能够将原本散落在不同文档中的知识点串联起来 。这种从文本块到知识网络的转变，不仅提升了检索的精准度，更赋予了模型在全局层面进行知识概括的能力。目前的开源项目在这一演进路径上各具特色，分别在推理深度、计算效率、逻辑控制及硬件友好度等方面进行了针对性优化。
# GraphRAG

- github: https://github.com/microsoft/graphrag
- 论文：https://microsoft.github.io/graphrag/


作为目前开源社区Star数最高、最具影响力的项目，微软的GraphRAG为大规模非结构化数据集的结构化理解设定了技术标杆 。其核心逻辑在于不仅构建知识图谱，还利用先进的社区检测算法对图谱进行分层总结。

## 技术路线与核心机制

微软GraphRAG的处理流程展现了极高的系统复杂性。首先，该框架利用LLM自动识别并提取文本中的实体与关系，随后采用Leiden社区检测算法对图谱进行聚类分析。这些聚类后的「社区」构成了知识的层级化结构。LLM随后为每个社区生成摘要，这些摘要捕捉了该层级下所有节点的核心内容。在检索阶段，GraphRAG提供了两种主要的搜索模式：
- **全局搜索（Global Search）**：专门用于解决总结性问题。通过检索不同层级的社区摘要，系统能够从全局视角整合信息。
- **局部搜索****（Local Search）**：侧重于针对特定实体的精细化推理。系统从查询中的核心实体出发，通过扩展检索其关联节点及邻近社区。

此外，项目最新推出的DRIFT Search模式进一步融合了全局与局部搜索的优势，通过动态选择相关社区来优化查询质量。

# LightRAG

![image](https://developer.qcloudimg.com/http-save/yehe-11939351/e1fcaa470c1e7e244e01818647fe4ba1.png)
- github: https://github.com/HKUDS/LightRAG
- 论文：https://lightrag.github.io/


针对微软GraphRAG计算开销过大且难以处理动态数据的痛点，香港大学数据科学实验室（HKUDS）推出的LightRAG（HKUDS/LightRAG）通过引入轻量化的索引机制与增量更新逻辑，迅速成为开源界的热门选择。

## 技术原理与架构优势

LightRAG提出了一种双层检索系统，旨在平衡检索的广度与深度。该系统通过对文本进行分割，利用LLM提取实体与关系构建知识图谱，并为每个节点和边生成键值对进行索引 。其最突出的技术贡献在于**增量更新算法：当新文档加入时，系统仅需对新提取的节点和边执行简单的并集操作，而无需重新生成整个图谱**。

此外，LightRAG通过集成RAG-Anything，展现了极强的多模态处理能力，能够无缝解析PDF、Office文档（DOCX/PPTX）、图像、表格及复杂的数学公式 。这种全格式支持使得LightRAG在处理企业内部复杂的非结构化数据时具备天然优势。

# KAG

![image](https://developer.qcloudimg.com/http-save/yehe-11939351/8e2a3906289780f0dc7016a092748892.png)
- github: https://github.com/OpenSPG/KAG
- 使用文档：https://spg.openkg.cn/en-US
- 论文：https://arxiv.org/pdf/2409.13731


由蚂蚁集团（Ant Group）与OpenKG联合开发的KAG（OpenSPG/KAG）代表了GraphRAG向逻辑推理与专业领域深化的方向。KAG不再仅仅依赖LLM的自动化提取，而是引入了逻辑形式驱动的检索与推理机制，旨在解决专业领域知识库中的歧义与噪声问题。
## 技术深度与DIKW知识表示

KAG建立在OpenSPG引擎之上，采用了受DIKW（data, information, knowledge and wisdom）层次结构启发的知识表示框架LLMFriSPG。其架构的核心创新在于：
- **知识与文本块互索引**：实现了图节点与原始文本块的深度锚定。用户可以从图中的逻辑节点直接回溯到最原始的证据文本。
- **逻辑形式规划器**：能够将复杂问题分解为包含规划、推理和检索操作符的步骤链。
- **知识对齐**：通过语义推理对零散提取结果进行标准化处理，识别同义实体，显著减少了噪声。


# HippoRAG

![image](https://developer.qcloudimg.com/http-save/yehe-11939351/b5945fcadfcdb43471164fe84eacf179.png)
- github: https://github.com/OSU-NLP-Group/HippoRAG
- 论文1：https://arxiv.org/pdf/2405.14831
- 论文2：https://arxiv.org/pdf/2502.14802


由俄亥俄州立大学（OSU）NLP组开发的HippoRAG（OSU-NLP-Group/HippoRAG）模仿人类大脑海马体在记忆存储与检索中的作用，构建起一个高度关联的知识记忆模型 。
## 核心机制

HippoRAG将LLM视为负责特征抽象的「新皮层」，将知识图谱与个性化PageRank（PPR）算法结合视为负责索引与检索的「海马体」。检索时，系统从查询中的核心实体出发，利用PPR算法在图谱上进行概率扩散，通过模拟大脑的「模式补全」机制召回深度关联的背景知识。这种方法在单步检索中即可实现复杂的多跳推理，且计算成本远低于迭代检索方案。

# Yuxi-Know

![image](https://developer.qcloudimg.com/http-save/yehe-11939351/73da3de730005852d67d17dd19226379.png)
- github: https://github.com/xerrors/Yuxi-Know
- 网址: https://xerrors.github.io/Yuxi-Know/

Yuxi-Know（xerrors/Yuxi-Know）是一个结合了LightRAG知识库与知识图谱的综合性智能体平台，旨在为开发者提供开箱即用的GUI管理界面与多功能集成方案 。
### 技术定位与全栈集成

与侧重于底层算法引擎的项目不同，Yuxi-Know致力于将GraphRAG能力转化为可交互的生产力工具。它在底层深度集成了LightRAG作为检索增强引擎，并结合LangChain v1、FastAPI与Vue等主流技术栈。其核心优势在于：
- **全链路可视化管理**：提供了直观的仪表盘统计、知识库可视化、知识图谱关系探索以及模型供应商的配置界面。
- **多源数据深度解析**：原生支持MinerU高性能PDF解析，能够处理复杂的文档结构并转化为图谱数据。
- **拓展性与协作**：支持Skills与MCP拓展管理，具备完善的用户与部门权限控制系统。
- **自动化采集集成**：支持与ScrapeGraphAI等工具配合，实现自动化的网页抓取处理 。


# NebulaGraph

![image](https://developer.qcloudimg.com/http-save/yehe-11939351/6fb98fe66f324bdc019f4c442ae86405.png)
- github: https://github.com/vesoft-inc/nebula
- 网址: https://nebula-graph.io/


对于追求极致扩展性与生产稳定性的企业，分布式开源图数据库NebulaGraph（vesoft-inc/nebula）及其衍生的Fusion GraphRAG提供了万亿级边和顶点的超大规模图处理能力 。其存储计算分离的设计使其能够在高压力生产环境下维持99.999%的高可用性 。

# 核心项目技术特性对比矩阵


| | | | | | | |
|:-:|:-:|:-:|:-:|:-:|:-:|:-:|
|维度|Microsoft GraphRAG|LightRAG|KAG (OpenSPG)|Yuxi-Know|HippoRAG|NebulaGraph|
|技术重心|全局主题总结|增量更新与低成本|逻辑形式与语义对齐|应用集成与可视化管理|PPR 联想记忆|分布式开源图数据库|
|交互形态|命令行/SDK|SDK/API/WebUI|SDK/API|完整 GUI 平台|SDK/研究脚本|SDK/API/NQL|
|硬件门槛|极高|中低|中等|中等|中等|中等|
|多模态支持|一般|强|一般|极强 (MinerU/Scrape)|一般|一般|
|动态更新|弱|极强|强|极强 (继承 LightRAG)|一般|极强|
# 战略选型建议

**寻求开箱即用的企业级****GUI****平台：Yuxi-Know**
如果您的团队需要一个包含用户权限管理、模型配置界面、可视化图谱探索且能直接处理复杂PDF（MinerU）的完整系统，Yuxi-Know是目前最成熟的集成化开源选择之一。它非常适合作为企业内部的知识大脑原型或生产级助手。

**初创团队与轻量化 ****MVP**** 开发：LightRAG**
提供了目前最优的“性价比-速度”平衡点，增量更新特性允许随业务增长无痛扩展 。

**大型企业全局分析与趋势扫描：GraphRAG**
Leiden社区摘要机制提供了不可替代的全局视野，适合处理高价值、长周期的静态行业调研数据 。

**专业领域（医疗、法律）的严谨推理：KAG (OpenSPG)**
Schema 约束构建与逻辑形式引导推理能提供可审计的推理路径，满足合规性与严谨性要求 。

**万亿级数据规模的生产级部署：NebulaGraph+自定义应用层**
应对TB级别以上数据，利用其水平扩展能力和高可用架构支撑底层图检索 。

原文: https://mp.weixin.qq.com/s/f8AZoxRMoXefedbnPzNBIQ欢迎关注公zh: AI-Frontiers

GraphRAG开源生态全景：6大主流开源项目，微软/蚂蚁/港大项目同台PK

本篇将对当前开源社区内关注度最高、技术路线最具代表性的GraphRAG项目进行全方位解析，深入剖析其技术架构、核心特性、适用场景，并为企业及开发者提供严谨的选型战略建议。

人工智能

数据库

大数据

GraphRAG技术深度解析：微软GraphRAG、LightRAG等7大开源项目对比，涵盖知识图谱构建、多模态处理、增量更新等核心技术。详细分析各项目特点、适用场景及企业选型建议，帮助开发者选择最适合的RAG解决方案。

用户权限管理

结构化数据

智能体

2026采购季 | AI焕新·智启新局

tencentdb-catalog

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

GraphRAG开源生态全景：6大主流开源项目，微软/蚂蚁/港大项目同台PK-腾讯云开发者社区-腾讯云

GraphRAG开源生态全景：6大主流开源项目，微软/蚂蚁/港大项目同台PK

GraphRAG开源生态全景：6大主流开源项目，微软/蚂蚁/港大项目同台PK

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐