Light RAG по-Codver: dual-level без театра векторов

Зачем

Классический RAG ломается на связях («кто → что → почему»). GraphRAG чинит это сообществом-саммари, но дорого обновлять. Light RAG (в духе HKUDS LightRAG + наш Knowledge Layer) держит entity–relation граф и достаёт и локальные факты, и тему целиком — без обязательной векторной фермы.

Два уровня (как устроен Codver)

1. Low-level — entity: OpenAI, Claude, акт, продукт. У нас это entity_ids в facts.jsonl и страницы /entity-*.
2. High-level — тема: RAG, agents, regulation. У нас это хабы /hub-* и keyword routing parent asset.

Ответ без цитаты на факт/страницу — fail. Смена embedding-модели без golden set — тоже fail.

Минимальный стек (начните отсюда)

• Таблица фактов: утверждение · entity · evidence URL · дата.
• Dual query: сначала entity match, потом thematic hub children.
• Eval: 30–100 вопросов; hit@k + faithfulness; цитата обязательна.
• Инкремент: новый факт = append, не rebuild корпуса.

Ops-команда на VPS: python3 scripts/light_rag_query.py "claude pricing"

Когда усложнять

• Нужны multi-hop по тысячам документов → смотрите HKUDS LightRAG (graph + vectors).
• Нужны community summaries на всём корпусе → GraphRAG, осознавая cost.
• Пока факты помещаются в curated KG — оставайтесь на Codver Light RAG.

Связанное

• Хаб RAG
• Чеклист качества RAG
• LLM Ops
• Глоссарий