【MiniRAG】极致简洁高效的新型RAG系统：重新定义检索增强生成！

对高效且轻量级 的RAG系统需求日益增长，但RAG框架中部署**小型语言模型（SLMs）**在语义理解和文本处理上存在局限，阻碍了广泛应用。

与 LLMs 相比，SLMs 在索引和回答阶段都显示出显著的局限性 。左侧 ：SLMs生成的描述质量明显低于LLMs。右侧 ：SLMs难以在大篇幅的上下文中找到相关信息，而LLMs则能有效地完成这项任务。

为此，香港大学提出并开源 了MiniRAG ，这是一种专为极简和高效 而设计的新型RAG系统。

MiniRAG架构解决了设备端 RAG 系统面临的独特挑战,在效率和效果之间实现了优化

MiniRAG引入了两项关键技术创新：（1）一种语义感知的异构图索引机制 ，将文本块和命名实体结合在一个统一结构中，减少了对复杂语义理解的依赖；（2）一种轻量级的拓扑增强检索方法 ，利用图结构实现高效的知识发现，而无需高级语言能力。

语义感知的异构图索引机制

• 构建过程：

• 文本预处理：对文本进行分句和分词处理。

• 实体识别：利用预训练的命名实体识别（NER）模型识别文本中的命名实体。

• 图构建：将文本片段和命名实体作为节点，根据共现关系构建边，形成