LightRAG 与 Yuxi-Know 强强联合，打造从知识检索到智能应用的完整解决方案，让知识图谱真正赋能业务场景。本教程将带你全面了解两者的核心设计、协同方式以及从零到一的落地步骤，帮助你构建一条可运营的知识流水线。

一、LightRAG：把“图结构”装进 RAG 的双层检索大脑

LightRAG 的核心设计思路是：在传统向量召回基础上，显式引入知识图谱（KG），形成“低层语义块 + 高层图结构”的双层检索，让答案既能对齐语义又能走通逻辑路径。近期它还把多模态接进来了，并提供了开箱即用的 Server/UI/Docker 形态，易于部署集成。

你能得到什么：

• 多模态 RAG（文本 / 图片 / Office 文档 / 表格 / 公式）已通过 RAG-Anything 集成，无需自造轮子。
• 知识图谱可视化与自定义注入：既能图上看见关系，也能把你的领域知识（实体/关系）增补进系统。
• 轻量部署：PyPI 安装、Docker Compose、一条命令起 Web UI + API（还提供 Ollama 兼容接口，便于接入 Open WebUI 等聊天前端）。
• 多样存储：支持 PostgreSQL / Neo4j 等，便于企业环境按需选型。

最小化安装（示例）：

pip install "lightrag-hku[api]"
cp env.example .env
lightrag-server   # 启动 Web UI + API（含 Ollama 兼容接口）

或直接 Docker：

git clone https://github.com/HKUDS/LightRAG.git
cd LightRAG && cp env.example .env
docker compose up