$FLKR DEV @g_korland Redis 系背景 $3M 融资 市值2m不到 GitHub 万星生态 产品 图数据库 + GraphRAG 又是当前 AI 基础设施赛道热点 有点无敌 C1mg2ddme7Hpwjmxngr1AfrwRSmLqL1CVHPzUmapEory

最近在研究Hermes Agent的记忆系统，分析了这么多记忆系统，得出来下面的结论： 1、RAG 像“搜索历史资料”； 2、Obsidian 像“人工确认的档案”； 3、Mem0 像“自动帮你整理重要事项的秘书”； 4、Letta 像“Agent 自己维护的工作笔记本”； 5、GraphRAG 像“把资料画成关系地图”； 6、Honcho 更像“长期观察一个人，并逐渐建立这个人的认知模型”。

传统的 RAG 检索在遇到跨文档复杂推理时，表现往往像个只看关键词的机械硬盘。港大团队开源的 LightRAG 直接打爆了传统方案，用轻量知识图谱把大模型检索速度和准确率拉到了顶级。 项目来自港大 HKUDS 实验室，拿下了 EMNLP 2025 顶会。GitHub 狂揽 38k+ Star，采用 MIT 开源协议。 图谱+向量双引擎： 自动提炼实体和关系构建知识图谱，复杂问题不再漏答。 检索速度极快： 相比微软 GraphRAG，Token 消耗降了几个数量级，速度翻倍。 增量实时更新： 新增文档直接增量融合，不需要每次都重新建库。 多模态与全能模式： 支持 PDF、表格、图片解析，还提供局部/全局/混合 5 种查询模式。 🔗 项目链接：

冷知识，RAG 技术的演进路径 ① 2020 — 基础 RAG（解决"知识不在模型里"） 起点是 Lewis 等人的 RAG：DPR 稠密检索 + 向量相似度 + 生成。它第一次让 LLM 能"外接知识库"，缓解幻觉和时效性问题。但这代是"无脑检索"——先把所有文本切成 chunk 做向量索引，查询时取 top-k 就完事。痛点：chunk 彼此孤立、检索粗糙、对复杂问题无力。这正是所有分支要解决的问题。 ② 2022–2023 — 检索精度升级（更准） ColBERTv2：把"单向量"改成 token 级多向量 + MaxSim 延迟交互，匹配更细；残差压缩把存储降 6–10 倍。检索器本身从"粗"变"准"。 Modular RAG：意识到 RAG 不该是固定管道，而是一堆可编排模块（检索/重排/生成），像乐高一样组合。架构开始"模块化"。 ③ 2023–2024 — 反思纠偏 + 结构增强（更准、更懂关系） Self-RAG / CRAG：给系统装"质检员"——Self-RAG 用反思 token 自己决定要不要检索、内容对不对；CRAG 用轻量评估器三路径纠正（正确用/错误重写或联网/模糊混合）。解决了"检索到垃圾也不知道"的问题。 RAPTOR：用递归摘要树组织文档，适合全局性、多跳、总结类问题。 GraphRAG / LightRAG / HippoRAG2：把文本抽成实体–关系知识图谱，用图谱做多跳推理（Microsoft GraphRAG 用 Leiden 社区摘要；HippoRAG 用个性化 PageRank）。这是"结构化知识"路线，但全量图谱构建很贵。 ④ 2024–2025 — 路由与成本优化（更省） Adaptive RAG：按查询复杂度动态路由——简单问题直接 LLM 答、复杂问题才走多步检索。 LazyGraphRAG：把社区摘要延迟到查询时才算，索引成本降到 GraphRAG 的 0.1%。 长上下文路由：2M token 窗口出现后，结论是"不替代 RAG，而是分工"——简单查走 RAG（几分钱），复杂多跳走长上下文，视觉文档走 ColPali。GraphRAG-Bench（ICLR 2026）给出经验法则：图的价值随查询复杂度上升。 ⑤ 2025–2026 — 自主智能体 + 强化学习（更自主） Agentic RAG：让 AI agent 动态决定"用什么工具（向量库/网页/API/SQL）、查几轮、怎么合成"。 Search-R1 / DeepRetrieval / DeepResearcher / MCTS-RAG：用 RL 端到端训练 LLM 学会"何时搜、搜什么"。Search-R1 在 Qwen2.5-7B 上比普通 RAG 提升 41%；DeepRetrieval 直接以检索指标（recall@k、NDCG）为奖励优化查询；MCTS-RAG 把蒙特卡洛树搜索融进推理。这是从"固定流程"走向"会自己找信息的智能体"。

在大型复杂的项目里，想找个代码函数被谁调了、哪些模块有关联，查起来很费劲。 Code-Graph-RAG 把函数、类、模块和它们之间的关系建成知识图谱，存进图数据库。 在建好图谱之后，还能使用自然语言进行查询和编辑代码。 支持 Python、TypeScript、Rust、Go、Java、C/C++ 等十几种语言，混合语言的项目也能放在同一张图里。 GitHub： 除了问答，还能做死代码检测、按结构模式搜索替换、代码优化建议，改代码前会先显示改动预览。 也支持作为 MCP 服务器运行，Claude Code 、Codex 这类 Agent 工具能直接连上来查询。 经常在大型代码库里找关系、理结构的开发者，这个工具能省不少翻代码的时间。