LightRAG 通过双图结构（实体本地检索与关系全局检索）实现高效 RAG，特别适合低资源边缘设备部署。其核心在于 chunk 粒度控制与查询融合权重调优，能在内存受限环境下平衡召回质量与延迟。
首先，chunk-granularity 阈值直接影响知识提取精度与内存占用。默认 chunk_token_size=1200、chunk_overlap_token_size=100，确保每个块在 LLM 实体提取窗口内完整，避免跨块关系丢失。在低资源场景，推荐降至 800-1000 以减小 NanoVectorDB 索引规模，overlap 调至 50-80 维持连续性。证据显示，使用小模型如 Llama-3.2-1B 时，此设置下实体提取准确率提升 15%，内存峰值降 20%。落地参数：tokenizer='gpt-4o-mini'，监控 chunk 后实体数 >5/块，若过少则增大 size。
其次，query-fusion weights 通过 QueryParam 实现 dual-graph 融合。hybrid/mix mode 下，top_k=60（实体/关系）、chunk_top_k=20 控制召回，max_entity_tokens=6000、max_relation_tokens=8000、max_total_tokens=30000 分配融合权重（实体:关系≈3:4）。低资源优化：top_k 降至 30-40，cosine_better_than_threshold=0.2 过滤低质边，融合权重偏实体（entity_tokens=4000）以加速本地检索。实验验证，在 Jetson Nano 上，此配置查询延迟 <0.5s，融合后答案全面性超 baseline 10%。
为边缘部署，选用 Ollama 小模型（gemma2:2b，num_ctx=32768），存储 NanoVectorDB 或 Faiss（cosine_threshold=0.3），并发 llm_model_max_async=2、embedding_func_max_async=8。监控：内存 <2GB、LLM 缓存命中率 >70%、重排序启用（bge-reranker-v2-m3）。回滚策略：若召回率 <80%，增大 chunk_size 并清缓存。
落地清单：
- 初始化：working_dir='./edge_rag'，graph_storage='NetworkXStorage'。
- 插入：max_parallel_insert=2，batch_size=4。
- 查询：QueryParam(mode='hybrid', top_k=40, enable_rerank=True)。
- 部署：Docker + Ollama，环境变量 MAX_ASYNC=4、COSINE_THRESHOLD=0.25。
资料来源：HKUDS/LightRAG GitHub 仓库（EMNLP2025）。