AI・機械学習
上級

LightRAG(ライトアールエージー)

GraphRAGの重い構築・更新コストを軽減した軽量グラフRAG。グラフ構造とベクトル検索を組み合わせ、低レベル/高レベルのデュアル検索と増分更新に対応する。俯瞰質問への強さと運用効率を両立する手法。

0 回閲覧
0 いいね
2026/5/31 更新
関連タグ
RAG
LightRAG
ナレッジグラフ
増分更新

概要

LightRAGは、2024年に提案されたGraphRAGの軽量版とも言えるグラフベースRAG手法です。GraphRAGの「グラフ構築・更新コストが高い」という課題を解決すべく、ナレッジグラフ(エンティティと関係)にベクトルインデックスを併用し、効率的な検索を実現します。検索ではクエリのキーワードを低レベル(具体的なエンティティ)と高レベル(抽象的なテーマ)のデュアルレベルに分けて取得し、局所的な事実と俯瞰的な文脈の両方をカバーします。さらに文書追加時にグラフ全体を再構築しない増分更新(incremental update)に対応し、GraphRAGより安価かつ運用しやすい点が特長です。

主な特徴・仕組み

  • グラフ+ベクトル: ナレッジグラフにベクトル検索を併用
  • デュアルレベル検索: 低レベル(具体)/高レベル(抽象)でキーワード取得
  • 増分更新: 新文書をグラフに追加、全体再構築不要
  • 低コスト: GraphRAGより少ないLLM呼び出しで構築
  • 俯瞰+局所: 全体テーマと個別事実の両質問に対応
  • 高速応答: ベクトル併用で検索レイテンシを抑制

スペック比較表

項目LightRAGGraphRAGベクトルRAG
構築コスト中高い低い
増分更新強い弱い容易
俯瞰質問得意得意苦手
検索グラフ+ベクトルグラフ中心ベクトル

具体例・対応製品

オープンソース実装が公開され、GraphRAGの俯瞰力を保ちつつ、更新頻度の高い知識ベースにも適用しやすくなっています。低レベル検索で「特定製品の仕様」、高レベル検索で「市場全体の傾向」のように、粒度の異なる質問を1つのシステムで扱えます。

選び方・注意点

ベクトルRAGよりは構築コストが高いため、単純なFAQ用途では過剰になりがちです。グラフ抽出の品質がLLMに依存し、エンティティ・関係の抽出精度が検索品質を左右します。俯瞰質問が頻繁で、かつ文書が継続的に増えるユースケースで最も費用対効果が高くなります。

関連用語との違い

GraphRAGがコミュニティ要約による俯瞰に強い一方で構築・更新が重いのに対し、LightRAGはベクトル併用と増分更新で運用効率を改善しています。素のベクトルRAGが局所検索に限られるのに対し、LightRAGはグラフにより俯瞰質問にも対応する中間的な位置付けです。

よくある質問(FAQ)

Q1: GraphRAGとの一番の違いは? A: 増分更新に対応し構築コストが低い点です。グラフにベクトル検索を併用して効率と俯瞰力を両立します。

Q2: デュアルレベル検索とは? A: クエリを具体的なエンティティ(低レベル)と抽象的なテーマ(高レベル)に分け、局所と俯瞰の両方の文脈を取得する仕組みです。

Q3: どんな場合に選ぶべきですか? A: 俯瞰的な質問が多く、かつ文書が頻繁に追加される運用で費用対効果が高くなります。単純なQ&AならベクトルRAGで十分です。

まとめ

  • GraphRAGを軽量化したグラフ+ベクトル併用RAG
  • デュアルレベル検索と増分更新で俯瞰と効率を両立
  • 更新頻度の高い知識ベースの俯瞰質問に最適
この記事について
カテゴリーAI・機械学習
難易度上級
作成日2026/5/31