MiniRAG

用小模型也能轻松搭建 RAG，省成本又高效

MiniRAG 是一个面向小模型和开源模型的轻量级检索增强生成（RAG）框架，由 ACL 2026 论文提出。它旨在解决传统 RAG 系统依赖大型闭源模型、部署成本高、对资源受限场景不友好的问题。MiniRAG 通过引入基于异构图索引的机制，将文本块和命名实体统一建模，显著提升小模型在检索和答案生成中的语义理解能力，同时减少对复杂外部知识的依赖。其核心能力包括：支持多种小语言模型（如 Phi-3、Llama-3 等）、提供简洁的 API 接口、内置知识库构建与查询流程，并包含针对小模型优化的提示词策略。项目代码开源，易于集成到现有应用中，适合在边缘设备或低算力环境下快速搭建 RAG 服务。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2019

维护状态低维护

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队HKUDS

所属国家

官网地址

GitHubhttps://github.com/HKUDS/MiniRAG

定价模式free

价格说明开源项目，MIT许可证，可免费使用和部署。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型large-language-models,rag,retrieval-augmented-generation

GitHub 星标★ 2019

30天Star增速

HF 下载量

上线时间2025-01-11 00:00:00

最近更新2026-09-19 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数1

使用教程

难度：入门约 10 分钟部署方式：本地安装 6 步

环境要求

Python 环境（README 未指定具体版本）
pip 包管理工具
已下载的数据集，放入 ./dataset 目录
可选：Docker/API 部署需参考 ./minirag/api/README.md

安装与启动步骤

1克隆仓库

从 GitHub 获取 MiniRAG 源码并进入项目目录；README 的安装示例以 MiniRAG 目录为前提。
```
git clone https://github.com/HKUDS/MiniRAG.git
cd MiniRAG
```
2源码安装

在项目根目录执行可编辑安装，安装项目依赖；README 标注为推荐方式。
```
pip install -e .
```
3PyPI 安装

README 的 Install 节给出 lightrag-hku；News 提到 minirag-hku，二者按实际可用包选择。
```
pip install lightrag-hku
```
4准备数据集

下载所需数据集并放入 ./dataset 目录；LiHua-World 已放在 ./dataset/LiHua-World/data/LiHuaWorld.zip。
5构建索引

运行索引脚本对数据集建立异构图索引；需确保数据集路径正确，无报错即完成。
```
python ./reproduce/Step_0_index.py
```
6问答测试

运行问答脚本验证检索与生成流程；README 说明代码都在 ./reproduce 目录中。
```
python ./reproduce/Step_1_QA.py
```

如何确认成功

运行 python ./reproduce/Step_0_index.py 与 python ./reproduce/Step_1_QA.py 均无报错，且问答脚本能输出结果即可。

常见问题

Q：用 pip install -e . 还是 pip install lightrag-hku？

A：源码安装推荐 pip install -e .；从 PyPI 安装时 README Install 节写 lightrag-hku，News 又提到 minirag-hku，建议按实际可用包名尝试。

Q：数据集应该放在哪里？

A：放在 ./dataset 目录。README 已提供 LiHua-World 数据集在 ./dataset/LiHua-World/data/LiHuaWorld.zip。

Q：MiniRAG 支持哪些图数据库？

A：News 提到支持 Neo4j、PostgreSQL、TiDB 等 10+ 异构图数据库。

Q：如何用 Docker/API 部署？

A：News 说明支持 API 和 Docker 部署，详细说明参考 ./minirag/api/README.md。

注意事项

README 未给出具体 Python 版本、端口、API Key 等配置，需按实际代码和 api README 处理。
PyPI 安装包名在 README 中存在 minirag-hku 与 lightrag-hku 两种说法，安装前请确认可用包名。
还可参考 ./main.py 中的代码初始化 MiniRAG。
Docker/API 部署细节见 ./minirag/api/README.md。

核心亮点

专门针对小模型优化，降低对 GPT-4 等大模型的依赖，部署成本更低
基于异构图索引，小模型也能获得不错的检索精度
API 简洁，快速上手，适合快速原型开发

不足之处

项目较新，文档和社区生态尚待完善
对复杂推理任务的效果可能不如大模型 RAG 系统

适用场景

在资源受限的边缘设备上构建轻量级知识问答系统
为中小企业提供低成本的私有化 RAG 服务
作为学术研究基线，探索小模型 RAG 的优化方法

替代项目

LangChain、LlamaIndex、RAGFlow

项目介绍

MiniRAG 是搜索知识领域的开源项目，由 HKUDS 开发，2025 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（2,019）位列前 30%，在搜索知识分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。MIT许可证，可免费使用和部署。

它主要面向的使用场景是：在资源受限的边缘设备上构建轻量级知识问答系统。同类可对比的替代方案包括 LangChain、LlamaIndex、RAGFlow。

上一篇：agentset

下一篇：RAGHub