RAGU 是一个开源模块化 GraphRAG 引擎，通过涉及类型化提取、去重、摘要和社区检测的两阶段流程，将提取与整合分离，从而改善结构化知识集成。

该系统利用 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，同时在英语 GraphRAG 任务上与其表现相当。在 GraphRAG-Bench (Medical) 上，RAGU 的证据召回率高达 0.84，并在合成任务上超越 HippoRAG2，证明竞争对手之前的优势很大程度上是答案格式的伪影。

RAGU 可通过 pip 安装，在单 GPU 上运行，并以 MIT 许可证发布，源代码可在 GitHub 上获取。