vector-graph-rag — 纯向量搜索的 Graph RAG，无需图数据库。

README 自动摘要

根据 README 自动整理于 2026年10月16日，不是本站运行记录。运行步骤和作者声称的效果仍需核验。

这是什么

Vector Graph RAG 是一个 Python 库，面向知识密集型领域的多跳问答。它将实体和关系编码为 Milvus 中的向量，无需图数据库即可进行子图扩展和检索。

在两阶段 Jev 检索模式中，Jev Noul 判断对候选关系进行评分；在检索其关联文档之前应用可配置阈值。README 未说明确切状态以及代码中如何使用评分结果。

用到的原语:noul

在段落检索前对关系进行两阶段 Jev 评分，达到质量–延迟帕累托前沿。

pip install vector-graph-rag，设置 OPENAI_API_KEY，然后使用 VectorGraphRAG().rebuild_texts() 和 .query()。

README 片段的模型判断

项目信号使用仓库元信息、已有摘要与 README 前 700 个字符；没有通读完整项目。“未检出”仅表示这些材料中未检出，并不证明项目没有该能力。这里保留原始判断与实际记录的模型、日期，不是源码审计或运行验收。

这些信号只读取仓库元信息、已有摘要与清理后的 README 前 700 字符。≥ 0.60 表示片段中有提及，≤ 0.40 表示未检出，中间为未判定；都不是源码审查或运行结果。「可运行工具」题排除了研究实验，「推荐」题筛的是学习案例 Top 10，不是内容质量合格与否。

信号

无判定区（0.40–0.60）

设计模式

无判定区（0.40–0.60）

各阶段的 Jev 模型与判定日期见上方记录。简介由 DeepSeek V4.1 Flash 于 2026年10月16日读 README 写成。