论文笔记分享，标题LIGHTRAG: SIMPLE AND FAST RETRIEVAL-AUGMENTED GENERATION，代码开源：https://github.com/HKUDS/LightRAG
文章的核心出发点还是如何把图谱融合到文本检索中，然后用到了一种双层架构。
对用户问题先进行一个大概的归类：
具体的，如：24年的诺贝尔物理学奖是谁？ 抽象的，如：人工智能如何影响到现代的教育？
基于这点，所以我们的索引是要有区分的，在graphrag中，针对local search，一切的出发点都是entity，这是不合理的。 因为抽象的问题很难找到合适的entity。
所以双层架构出来了：
低层次索引：实体为索引的key，绑定一堆的相关的entity，relation，text，与graphrag中一致 高层次索引：从实体边中抽象出主题概念，这些主题概念为主题key，同样绑定上面那些作为上下文。
完整的retrieval架构如下：
query同样也会进行低层次的实体提取，以及高层次的概念抽取。prompt完成
图构建出来，也是一个prompt提取出上面提到的三元组，以及高级概念
推理阶段就是，高低阶的对应搜上下文就好了，然后拼接起来rag。
文中的实验结果如下，看起来很好，但是看完的第一映像感觉一般。
