RAGU：多步GraphRAG引擎

NSU · hf · 2026-07-20

RAGU 是一个开源的多步骤 GraphRAG 引擎，把知识图谱构建拆成抽取与整合两步：先做两阶段类型化抽取，再用 DBSCAN 去重、LLM 总结和 Leiden 社区发现来提升检索质量。

作者指出，管道里负责抽取的 LLM 更依赖语言能力而非广泛世界知识，因此训练了一个 7B 的紧凑模型 Meno-Lite-0.1。实验显示，它在知识图谱构建上比 Qwen2.5-32B 的 harmonic mean 提升 12.5%，在英文 GraphRAG 任务上表现相当；在 GraphRAG-Bench（Medical）上，RAGU 的证据召回最高可到 0.84，并在综合问答上超过 HippoRAG2。项目可通过 pip install graphragu 安装，支持单卡运行，代码与模型都已开放。