如何部署 LightRAG？

1. 环境准备

LightRAG 对大语言模型的关系抽取能力要求较高，需准备可用的 LLM 服务（支持 OpenAI 兼容接口、Ollama、Hugging Face 等多种接入方式），并配置合适的嵌入模型与可选的重排序模型。

2. 安装方式

可通过 PyPI 安装核心包（包名为 lightrag-hku），也可从源码安装。若需要 Web UI 与 API 支持，可安装带 API 扩展的版本。

3. Docker 一键部署

项目提供 Docker Compose 方案：克隆仓库后复制并编辑环境变量文件（配置 LLM 与 Embedding 服务），再启动容器即可。启动后可通过本地端口访问 Web UI，进行文档索引、知识图谱可视化与 RAG 查询。

4. 存储与向量后端配置

向量存储环节可对接专用向量数据库以支撑规模化检索。在生产环境中，可将 LightRAG 的向量存储后端替换为腾讯云向量数据库（Tencent Cloud VectorDB）等全托管向量库，其内置 Embedding 与端到端 AI 套件可简化文档向量化与检索流程，用于构建企业级 RAG 知识库。