RAGU 是一个开源模块化 GraphRAG 引擎，通过将实体提取与合并分离来改进结构化知识整合。它采用两阶段类型化提取流程、基于 DBSCAN 的去重、LLM 摘要以及 Leiden 社区检测，以减少单遍系统中常见的噪声和脆弱性。

  • 该系统采用 Meno-Lite-0.1，这是一个针对语言技能优化的 7B 模型，在知识图谱构建方面比 Qwen2.5-32B 高出 +12.5% 的相对调和平均数。
  • 在 GraphRAG-Bench (Medical) 上，RAGU 的证据召回率高达 0.84，并在合成任务中超越 HippoRAG2。
  • 该引擎可通过 pip 安装，在单张 GPU 上运行，并以 MIT 许可证发布。

这种方法表明，紧凑模型能够有效处理管道内的语言技能，如理解和推理，为 GraphRAG 任务提供了一种资源高效的替代方案。