LightRAG

环境要求

• Python 环境，推荐用 uv 管理依赖（也可用 pip）
• 需要可用的 LLM 与 embedding 模型及其 API 配置
• 使用 make env-base 生成配置时需系统提供 make 命令
• Debian/Ubuntu 处理含 SVG 文档时需 libcairo2，Windows 需 GTK3 运行时

安装与启动步骤

1. 1安装 uv 包管理器

   官方推荐用 uv 管理依赖。Unix/macOS 用 curl 脚本，Windows 用 PowerShell 命令。

   curl -LsSf https://astral.sh/uv/install.sh | sh

   复制

2. 2安装 LightRAG 服务端

   以工具方式安装带 api 附加依赖的 lightrag-hku，也可改用 pip 安装。

   uv tool install "lightrag-hku[api]"

   复制

3. 3生成 .env 配置

   用交互式向导生成已配置的 .env，必做的是 LLM、embedding、reranker 三项。

   make env-base

   复制

4. 4安装 LightRAG SDK

   只想作为 Python 库调用时安装 lightrag-hku 即可，无需服务端依赖。

   uv pip install lightrag-hku

   复制

5. 5从源码安装（可选）

   需要改代码或跑示例时克隆仓库并在项目目录内以可编辑模式安装。

   git clone https://github.com/HKUDS/LightRAG.git
   cd LightRAG
   pip install -e .

   复制

6. 6安装系统依赖（可选）

   处理含内嵌 SVG 的文档时才需要，官方 Docker 镜像已内置该库。

   sudo apt-get install -y libcairo2

   复制

7. 7运行示例程序

   必须进入项目目录再执行，运行前先按需修改示例中的 LLM 与 embedding 配置。

   cd LightRAG
   python examples/lightrag_openai_demo.py

   复制

关键配置

如何确认成功

执行 make env-base 能成功生成 .env，运行示例脚本后正常输出问答结果并生成数据目录即成功。

常见问题

注意事项

• 运行示例程序前，务必先按你的环境修改示例代码中的 LLM 与 embedding 配置。
• 运行 demo 前需先通过 make env-base 或 cp env.example .env 准备好 .env 文件。
• 启动时若出现与 SVG 相关的警告，不处理含内嵌 SVG 的 markdown/textpack 文档的部署可以忽略。
• 服务端口、认证与 SSL 通过可选的 make env-server 向导配置，不在必做步骤内。