用途：LightRAG 是基于图谱的检索增强生成（RAG）系统，从文档中抽取知识图谱，实现实体—关系感知的问答，适用于文档问答系统、知识库、带图关系的语义搜索以及多模态 RAG（PDF、图片、表格）。
主要能力：支持文档插入与查询，提供 naive、local、global、hybrid、mix 多种查询模式（默认 hybrid，配置 reranker 时 mix 表现更好）。支持多种 LLM 提供方（OpenAI、Claude、Gemini、Ollama 本地）。存储后端可选默认的 nano-vectordb（免配置、适合原型）、Neo4J、MongoDB、PostgreSQL。进阶功能包括 token 统计、导出知识图谱、LLM 缓存、删除文档并自动重建图谱、Langfuse 追踪、RAGAS 评估、多模态 RAG（配合 RAG-Anything）。
使用方式：先安装依赖：cd tools/lightrag-plus && uv sync；在 .env 中配置 LLM 提供方密钥（如 OPENAI_API_KEY、ANTHROPIC_API_KEY 等）。可直接嵌入使用，也可启动服务端：python -m lightrag.server --port 9621 --working-dir ./rag_storage，并通过 REST 接口 /insert、/query 调用，另提供 Web UI 用于图谱可视化。
限制：LLM 最低要求 32B 参数、32KB 上下文，推荐 64KB；索引建议用非推理模型，查询用更强模型。嵌入模型在索引和查询时必须一致；PostgreSQL 需在建表时固定维度，更换模型需删表重建。多平台支持（Windows/macOS/Linux，需 Python 3.10+）。具体收费与价格暂未提供。