LightRAGは、香港大学データインテリジェンス研究所（HKU Data Intelligence Lab）が2024年10月に公開した、軽量な知識グラフベースの検索拡張生成（Retrieval-Augmented Generation）フレームワークです。従来の大型言語モデルが個々の文脈内のテキスト関係を把握するように、LightRAGは大規模な文献集合全体を、クモの巣のような知識グラフ（Knowledge Graph）と高次元ベクトル埋め込み（Vector Embedding）で統合的に構造化し、断片化された情報を有機的に接続します。文書から抽出されたエンティティ（Entity）とそれらの関係（Relation）を、キーと値（Key-Value）の構造とベクトルDBに二重に保存することで、単一の質問に対して、局所的な詳細な事実からグローバルな文脈まで総合的に把握できる次世代のRAGエンジンを実現します。 従来の単純なベクトル検索方式は、関連するキーワードが含まれる段落をうまく見つけ出すことができますが、複数の文書に分散している複合的な情報を接続する必要がある多段階推論（Multi-hop Reasoning）の質問に対しては、脆弱性があるという限界がありました。MicrosoftのGraphRAGなど、既存のグラフRAGソリューションは、この限界を克服しようとしましたが、インデックス作成の過程で膨大な大型言語モデル（LLM）APIトークンコストと遅延が発生し、新しい文書が追加されるたびに、全体のグラフを最初から再構築する必要があるという致命的な非効率性がありました。LightRAGは、二重レベル検索（Dual-level Retrieval）アルゴリズムを導入し、詳細なエンティティ推論（Low-level）と高次元の概念文脈（High-level）検索を選択的に実行し、リアルタイムのインクリメンタルアップデート（Incremental Update）構造を通じて、全体のグラフを再構築することなく、新しい文書のみを迅速に反映することで、計算コストを大幅に削減しました。 生命科学および医学研究環境において、LightRAGは数万件の学術論文、特許文書、臨床試験報告書に隠された複合的な生物学的メカニズムを探索する際に、優れた性能を発揮します。遺伝子-タンパク質-疾患-標的薬物間の多重相互作用ネットワークを自動的に抽出し、知識グラフに変換することで、従来の検索エンジンでは識別が困難な「特定の標的タンパク質を阻害した場合に現れるシグナル伝達経路の副作用および関連する臨床研究」などの高度なクエリに対して、正確かつ出典追跡可能な回答を提示します。研究者は、既存のデータベース全体を再インデックスする必要なく、新たに発表されたバイオ論文PDFや研究ノートをリアルタイムで同期し、最新の学術知識を即座に分析パイプラインに統合することができます。 さらに、LightRAGは単純なテキスト分析にとどまらず、RAG-Anythingパイプラインとの組み合わせを通じて、画像、分子構造表、数式などが含まれるマルチモーダル（Multimodal）文書処理へと領域を拡大しました。Neo4j、MongoDB、PostgreSQL、OpenSearchなど、さまざまな正規グラフおよびベクトルデータベースバックエンドを柔軟にサポートし、ローカルのオープンソースLLM（Qwen、Llamaなど）からクラウドAPIまで、広範囲に連携します。高速かつ軽量なアーキテクチャのおかげで、単一のローカルワークステーションからエンタープライズ級のマルチノードサーバー環境まで、費用対効果が高く、かつ強力な知識探索エンジンを構築することができます。

LightRAGは、香港大学データインテリジェンス研究所（HKU Data Intelligence Lab）が2024年10月に公開した、軽量化された知識グラフベースの検索拡張生成（Retrieval-Augmented Generation）フレームワークです。従来の大型言語モデルが個々の文脈内のテキスト関係を把握するように、LightRAGは大規模な文献集合全体を、クモの巣のような知識グラフ（Knowledge Graph）と高次元ベクトル埋め込み（Vector Embedding）で統合的に構造化し、断片化された情報を有機的に接続します。