LightRAG 的整体架构由哪些部分组成？

1. 索引层

索引层负责把原始文档转化为可供检索的结构化表示，包含文档分块、实体与关系抽取、知识图谱构建、向量嵌入四个环节。抽取出的实体成为图谱节点、关系成为边，同时为节点和边生成用于快速召回的键值摘要，文本块与实体关系则被向量化后存入向量库。

2. 检索层

检索层基于双层检索范式工作，通过向量相似度匹配定位候选实体与关系，再借助图谱结构进行邻域扩展，分别得到低层的局部上下文与高层的全局上下文，并可选地引入重排序（Reranker）提升结果精度。

3. 存储层

LightRAG 的存储是模块化、可插拔的，逻辑上分为四类：

• KV 存储：保存文本块、LLM 响应缓存、文档元信息
• 向量存储：保存实体、关系与文本块的向量嵌入
• 图存储：保存实体—关系图结构
• 文档状态存储：跟踪文档的索引处理进度

默认实现为本地文件（JSON、Nano VectorDB、NetworkX 等），生产环境可替换为 PostgreSQL、Neo4j、Milvus、Qdrant、MongoDB、Redis、OpenSearch 等后端，且无需改动业务代码。

4. 生成层

生成层将检索层融合后的上下文按模板组织为提示词，交由大语言模型生成最终答案，并可附带引用出处以实现结果可溯源。