1. 知识表示方式不同
传统向量 RAG 把知识表示为彼此独立的文本块向量,仅依赖语义相似度召回;LightRAG 则额外抽取实体与关系、构建知识图谱,让知识以网状结构被组织和检索。
2. 检索能力不同
传统向量 RAG 擅长单点事实匹配,但对跨文档、多跳的关联推理支持较弱;LightRAG 通过双层检索兼顾实体级精度与主题级广度,能更好处理需要理解实体关系的复杂查询。
3. 更新方式不同
传统向量 RAG 在数据更新时通常需要重建索引;LightRAG 支持增量更新,新文档可增量并入现有图谱,更适合动态知识库。