LightRAG：同一份资料，既能问具体细节，也能追整体关系

同问“三份访谈反映了哪些退款问题”，LightRAG 的 local 只取回一份，global 则找齐三份，并把入口难找、交接通知慢、进度不透明分开回答。这是本次中文小样本实际运行的结果。对准备做知识检索的开发者，有价值的是看清差异怎样发生：从哪些实体或关系出发，最后拿到了哪些原文。

LightRAG 由 HKUDS 维护，建库时用模型抽取实体与关系，保留原文片段，查询时将这些材料交给模型作答。下面沿三份自拟访谈，把输入、图谱和两类问题接起来看。

输入：三个人谈的是不同环节

样本中的商城、人物与访谈均为作者自拟，不是真实调研。三个文件分别导入，每份在本次运行中形成一个片段。以下为原文关键段落，完整输入见文末记录。

A，林岚，客服组：

顾客陈禾说，订单页只有“联系商家”，找不到“申请退款”。林岚建议给订单页增加独立退款入口，由产品组负责改版。这份访谈没有讨论到账时限。

B，周宁，仓储组：

青禾商城的退款流程要求仓储组先确认退货入库，再由财务组审核退款。周宁说，两组用表格交接，曾有退货已经入库但财务组两天后才收到通知。周宁建议入库后自动通知财务组；没有建议取消审核。

C，许澄，财务组：

青禾商城的退款流程在财务组审核通过后，由支付平台原路退回。许澄说，到账还要一至三个工作日，顾客却看不到审核状态与预计到账时间。许澄建议在订单页显示退款进度，由产品组与财务组共同确认状态文案。许澄没有提出缩短支付平台到账时间。

本次最终图谱有 22 个实体、32 条关系。B 被抽出了“周宁”“仓储组”“财务组”“退款审核”等实体；“仓储组—财务组”的关系描述保留了表格交接及两天通知延迟。“周宁—退款审核”这条边的关键词是“未建议取消”，没有把否定变成取消审核的建议。

据本次 GraphML 筛选三个节点、两条关系后编辑重绘，非官方界面截图；线不额外表示方向。原尺寸 PNG · 矢量原图。

细节问题：先看它有没有保住限定

第一问是：“周宁指出退款流程在哪一步卡住？他建议怎样改，是否要取消审核？”

local 的两个候选实体实际是“退款审核”和“退款流程”，随后扩展出 11 条关联关系，带回 A、B、C 三个片段。回答准确落到 B：卡在入库后的通知交接，建议自动通知财务组，“没有建议取消退款审核”，并引用 02-周宁.txt。

global 这次取到四个实体、两条关系，也带回三份原文，回答同样保住了限定。这里没有显示哪种模式回答更好；更值得记住的是，local 并不保证范围窄。命中一个连接很多材料的流程实体，也会把多份原文带回来。

归纳问题：缺材料与答不好要分开

第二问是：“这三份访谈反映退款流程的哪些共同问题？应由哪些部门分别改进，哪些环节不能混为一谈？”

这次 local 以“三份访谈、退款流程”为低层关键词，却命中了“许澄”“退款进度”，最终只有 C：两个实体、四条关系、一个片段。回答开头明确说，现有材料只包含许澄的一份访谈，不足以判断三份的共同问题。它没有完成归纳，但失败位置可见：送给回答模型的依据已经缺了 A、B。

global 使用“退款流程共同问题、部门改进分工、流程环节区分”等高层关键词，命中“财务组—退款流程”“退款审核—退款流程”两条关系，经关联实体取回 A、C、B。回答分别列出三人的问题与建议，并保留一个有用的空白：“材料未明确改造责任部门”，没有擅自替周宁指定自动通知的开发负责人。

它最后区分了退款入口、入库通知、财务审核、支付到账和进度展示；没有把通知延迟说成支付平台到账慢，也没有把显示进度改写为缩短到账时间。hybrid 合并两路后也取回三份，完成了相同方向的区分。

因此，这次归纳题我会选 global 或 hybrid 继续检查；细节题用 local 已能回答。依据是本次召回材料与答案，而不是“global 天生更聪明”。

模式选择解决不了所有问题

当前代码中，local 从实体向量库出发扩展关联边，global 从关系向量库出发带回端点，hybrid 合并两路。global 仍是有限检索，不代表通读全库；local 也不表示模型部署在本机。

本次在隔离环境运行 main 提交 aaebfe1，包内版本 1.5.8；用既有 Codex CLI 默认模型承担抽取与生成，用 Xenova 转换的 BGE 小型中文 v1.5 量化 ONNX 在 CPU 上真实生成向量，模型及配置下载约 24.6 MB。查询统一设 top_k=2、片段上限 3，关闭重排，每题每模式只跑一次；关键词自然生成，未人工指定。输入、六次检索及回答原始记录可逐项核对。

这三段短文只能演示检索路径。local 的归纳回答还自行给许澄加了原文没有的“她”，说明有引用仍需审读。构图错误也不会因换模式消失。正式采用还要评估索引成本与存储：官方默认存储以内存为主、本地文件持久化，定位于小规模测试；换向量模型需重新生成向量。代码为 MIT，模型与资料许可另核。本次未做 naive/mix 基线或性能排名。