BLOG

lightrag ​

LightRAG: Simple and Fast Retrieval-Augmented Generation

LightRAG：简单快速的检索增强生成

github: https://github.com/HKUDS/LightRAG

项目论文地址：

windows部署 ​

bash
git clone https://github.com/HKUDS/LightRAG.git

cd LightRAG

使用uv虚拟环境：

uv venv

激活环境：

.venv\Scripts\activate

python -V

根据pyproject.toml会默认安装3.10.16的python版本。

安装依赖：

uv pip install -e .

uv pip install -e ".[api]"

uv pip install ollama

uv pip install nano-vectordb

复制env.example为.env

准备好ollama和embedding模型，这里使用 gemma3:4b 和 bge-m3

根据需要更改.env中的配置：

#LLM_MODEL=mistral-nemo:latest

LLM_MODEL=gemma3:4b

SUMMARY_LANGUAGE=Chinese

等等。

启动：

lightrag-server

浏览器访问：http://localhost:9621/webui

更多启动方式：https://github.com/HKUDS/LightRAG/blob/main/lightrag/api/README.md

以上是windows下的部署过程记录。MacOS和linux有些不同。

windows使用总结 ​

进入页面上传文件和建立索引并不顺畅，与kotaemon一样，原因未知，可能是对windows支持并不太好，可能是ollama模型运行的问题。