深入 GraphRAG：构建更强大的知识增强问答系统的六大开源项目

前几天我分享了一篇文章知识图谱+向量数据库：打造更智能的RAG系统，介绍了如何把知识图谱和RAG系统相结合，来提升检索内容的准确性。然后有读者询问我是否有相关的开源项目推荐，我整理了下，目前有6个关注比较高的图RAG项目，大家可以关注学习一下。

Microsoft GraphRAG

微软官方发布的 GraphRAG 是一个构建在 LLM 与图机器学习结合基础上的检索增强生成系统。它能够从私有文档中自动构建知识图谱，在查询时借助图结构进行多跳推理，提升复杂问答表现。

它支持图结构推理和链式多轮查询，提供完整的端到端数据管道，并兼容 Azure 等企业级部署。该项目通过 GitHub 地址（microsoft/graphrag）提供，适用于企业内部文档问答、复杂信息抽取以及语义搜索等场景，帮助用户高效处理和分析海量数据。

Nano-GraphRAG

Nano-GraphRAG 是一个专注于简化的 GraphRAG 实现，代码量仅约 1100 行，却保留了核心能力，并兼容多种本地/云模型。

Nano-GraphRAG架构精简，支持异步处理，同时默认集成向量库Faiss，图数据库Neo4j以及大模型调用工具Ollama。有全局和局部两种查询方式，支持增量更新、定制模板。

相对来说，因为Nano-GraphRAG代码更少，部署简单，因此更适合本地知识图构建以及用于轻量级语义问答服务。

DIGIMON

由 JayLZhou 等人开发的 DIGIMON（又名 GraphRAG）是一个用于研究 GraphRAG 多种算法效果的平台，特别适合学术研究者和算法团队。

DIGIMON支持实现多种变种（如 LGraphRAG、HippoRAG 等），通过 YAML 配置实现快速策略切换，并附带评估脚本与数据集，同时兼容本地及 OpenAI 模型。该项目更适用于图谱问答算法研究以及多跳 QA 效果评估等场景。

Fast GraphRAG

Fast GraphRAG 由 CircleMind AI 发布，主打高性能和高可解释性，在保持查询准确度的同时，显著降低计算开销。

fast-graphrag 项目支持 PageRank 式图遍历搜索、增量更新与自动图精炼、异步推理以及类型安全等亮点特性，在官方文档说明中，表示其可节省约 6 倍推理成本。该项目更适用于需要高性价比和低延迟知识问答系统的企业部署。

LightRAG

LightRAG 由香港大学开发，是一个带有图谱可视化界面的 RAG 系统，支持多种文件类型的解析，适合教学、演示及快速开发。

LightRAG 项目支持文档上传、实体识别、图谱构建、可视化查询路径、多格式导出，并集成 Ollama、本地模型与图数据库，提供 Web 前端和 RAG 对话接口。该项目更适用于教育、知识展示以及通用 RAG 服务化部署等场景。

HuixiangDou2

由华师大团队推出的 HuixiangDou2（又名 ROGRAG）专注于多轮问答场景中的知识增强，支持双层检索策略，强调中文能力与鲁棒性。

HuixiangDou2 项目支持 Group Chat 场景、文档层与图谱层双重检索增强，默认支持中文 (zh_cn) 接口，并适配客服和技术支持类问答系统。该项目更适用于中文环境下的客服系统和智能助手等场景。

最后再总结一波，对于工业级企业部署，建议使用Microsoft GraphRAG和Fast GraphRAG；对于轻量级或本地测试，推荐Nano-GraphRAG 和LightRAG；针对图谱问答研究，选择DIGIMON；对于中文多轮问答，推荐HuixiangDou2（ROGRAG）。这些项目可根据具体场景进行选择，以优化知识图谱和问答系统的性能。