LightRAG 的双层检索机制是如何工作的？

1. 低层检索（实体级）

低层检索面向具体、细节型的问题，通常指向图谱中的某一具体实体。系统通过向量匹配定位到目标实体后，沿其直接相连的边做一跳邻域扩展，收集与该实体精确相关的局部上下文，适合回答"某实体的直接关联是什么"这类事实性问题。

2. 高层检索（主题级）

高层检索面向抽象、概念型的问题，关注跨文档的宏观主题。系统从匹配到的实体出发，进行多跳的语义关联扩展，捕捉分散在多份文档中的主题线索，适合回答"某领域整体趋势如何""多个概念之间如何相互影响"这类需要全局视野的问题。

3. 双层融合

低层保证答案的事实精度，高层保证答案的上下文完整性。二者结合使 LightRAG 不会退化为"只抓细节"或"只做概括"的单一行为，而能在细节与全局之间取得平衡。