_Граф знаний · LightRAG_

# Ваши агенты больше не забывают, что узнали

Граф хранит знания всех элементов узла: что изучено, как это связано и откуда известно. Любой агент находит нужное одним вопросом и не перечитывает старые файлы и разговоры.

[Подключить свой элемент](#connect)
[Вопросы и ответы](#faq)

## Как это работает

#### Агент сохраняет

Элемент передаёт графу то, что узнал: предметы, связи между ними и короткий текст, откуда это известно.

#### Граф связывает

Новое знание встаёт рядом с уже известным, и одинаковые предметы из разных разборов сходятся в одну точку.

#### Любой агент спрашивает

На вопрос обычными словами граф отдаёт короткий контекст: нужные предметы, их связи и источник.

Токены стоит только построение, чтение не зовёт языковую модель.

## Включён, засыпает только при нехватке памяти

Элемент запускается вместе с узлом. Когда свободной памяти меньше 0,5 ГБ, узел может его усыпить; первый вызов или запись календаря будят его за секунды, а при 1 ГБ свободной памяти он возвращается сам.

## Без общей памяти каждый разговор начинается с нуля

Агент разобрал чужой сайт, понял, как там устроена корзина, и всё вам объяснил. Разговор закрылся, и вывод пропал. Через неделю другой агент делает ту же работу заново, а вы снова платите за токены.

## Что меняется для вас

| Без него | С графом |
| --- | --- |
| Находка исчезает, когда закрывается разговор | Вывод агента сохраняется в граф и переживает конец разговора, перезапуск узла и смену агента |
| Поиск находит только те же слова | Спросите обычными словами: граф найдёт и похожий текст, и всё, что с ним связано, вплоть до пункта вашего квиза |
| Агент перечитывает отчёты на сотни мегабайт | Он получает короткую выжимку под свой вопрос |
| Каждый элемент держит свои выводы при себе | То, что один элемент положил в общий граф, сразу доступно остальным |

## Что такое граф знаний

Представьте карту, где вместо городов предметы, а вместо дорог связи между ними. Сайт, его поиск, адрес запроса, которым поиск пользуется, и пункт вашего квиза, который из этого вырос, — точки на такой карте, соединённые подписанными линиями. Граф помнит и сами точки, и дорогу между ними.

## Сердце LightRAG

LightRAG описан в статье «LightRAG: Simple and Fast Retrieval-Augmented Generation» (Гуо и соавторы, arXiv:2410.05779, октябрь 2024). Его основа — граф внутри самого индекса: тексты разбираются на предметы и связи между ними, и поиск идёт по этой карте, а не только по кускам текста.

Он известен двухуровневым поиском: нижний уровень находит конкретные предметы, верхний — темы и связи, которые их объединяют. Новые знания встраиваются в граф по мере поступления, без перестройки всего индекса.

В узле граф не вызывает языковую модель: предметы и связи приносит агент, а смысл считает собственный элемент узла embeddings.

## Где тратятся токены

Дорого стоит только построение: модель читает материал и выделяет из него предметы и связи. Это делает либо сам LightRAG, когда записывает документ, либо агент элемента, который уже разобрал материал и передаёт графу готовые связи. Чтение почти бесплатное: вопрос превращается во встраивание, граф находит ближайшие предметы и связи и отдаёт короткий контекст, не обращаясь к языковой модели. Ключевые слова для поиска по графу агент передаёт сам. Вы платите один раз за построение и много раз читаете почти даром.

## Чей это граф

## undefined

**Главный агент узла** — Спрашивает каждое пространство графа каждого элемента и видит, чей каждый ответ.

- **Элемент мамы** — Её факты и связи в собственном пространстве её элемента.
- **Элемент сына** — Его пространства, их открывает только ключ его элемента.
- **Ваш сайт** — Свои пространства, свои ответы.

Каждый элемент открывает граф своим ключом, и одно пространство никогда не видит точек и дорог другого.

Элемент работает только в своих пространствах: el-<его id> и el-<его id>.<имя> для того, что он назовёт. Глубокая память хранит факты каждого элемента так же. Общий граф с базой навыков и изученными продуктами ключом элемента не открывается.

Вопрос элемента идёт в его пространство. Главный агент ключом данных узла спрашивает каждое пространство и видит, чей каждый ответ.

Граф разделяет двери, а не диск: все пространства лежат в папке этого элемента на вашем компьютере, и все элементы работают от одного пользователя.

## Ваш граф на вашем компьютере

Граф работает внутри узла на вашем компьютере, его данные лежат в папке узла. Каждый элемент читает и пополняет свои пространства через двери графа своим ключом; ядро и глубокая память пользуются ключом данных узла. Если понадобится, к тем же дверям можно подключить и свои инструменты.

## Подключите свой элемент

У каждого элемента узла уже есть свой ключ. Сохраните то, что узнали, готовым графом и найдите снова своими ключевыми словами:

```
// The graph's port: ask the node (npm run a2a -- card graph), never write the number into code.
const base = 'http://127.0.0.1:24689'
const headers = { 'content-type': 'application/json', 'X-Element-Key': process.env.ELEMENT_KEY }
// Store what you learned. Every entity and link names, by source_id, a fragment of the same call.
await fetch(`${base}/api/graph-insert`, { method: 'POST', headers, body: JSON.stringify({
  chunks: [{ content: 'The page /pricing takes payment through Stripe Checkout.', source_id: 'review-42' }],
  entities: [
    { entity_name: 'Pricing page', entity_type: 'page', description: 'The page /pricing of example.com.', source_id: 'review-42' },
    { entity_name: 'Stripe Checkout', entity_type: 'library', description: 'The hosted payment page of Stripe.', source_id: 'review-42' },
  ],
  relationships: [
    { src_id: 'Pricing page', tgt_id: 'Stripe Checkout', description: 'The pricing page takes payment through Stripe Checkout.',
      keywords: 'payment, checkout', source_id: 'review-42' },
  ],
}) })
// Find it again with your own keywords: ll_keywords look for entities, hl_keywords for links.
const answer = await fetch(`${base}/api/graph-query`, { method: 'POST', headers, body: JSON.stringify({
  query: 'How does the site take payments?', mode: 'mix', ll_keywords: ['payment page'], hl_keywords: ['payments'],
}) }).then((r) => r.json())
```

В ответе сущности, связи и фрагменты, из которых они пришли; если ничего подходящего нет, приходит found: false. Добавьте "space": "<имя>", чтобы держать ещё один свой граф.

## Что под капотом

| Часть | Что делает |
| --- | --- |
| LightRAG 1.5.7 | Живёт внутри элемента: Python под управлением uv, один закреплённый пакет, установлен в собственную папку элемента |
| Одна операция на вызов | Каждый вызов запускает Python на одну операцию, около 2 секунд и 200 МБ на это время, и запуски идут по очереди |
| Без языковой модели | Граф и ключевые слова приносит вызывающий; векторы считает элемент узла embeddings, 384 числа, без ключа |
| Пространства | space: "<имя>" держит свой граф в своей папке, и общий граф его не видит |
| Происхождение | Знание об изученном продукте помечено external-study, чтобы агент никогда не принял его за код этого узла |
| Замок | Собственный ключ элемента в X-Element-Key открывает его пространства; ключ данных узла в X-Data-Secret открывает все; страница «Граф знаний» показывает архитектору его размер и поиск |

## Свой строитель в комплекте

Каждый элемент узла приходит со своим агентом Claude Code и может получить свой Telegram-бот. Нужно что-то поменять в этом элементе — напишите его боту с телефона, и агент обновит логику или дизайн.

Агент работает только в папке своего элемента и не читает весь узел, поэтому каждая правка стоит меньше токенов. Платит за неё ваша подписка Claude Code.

- Бот элемента подключается в ядре, на его странице «Telegram».
- Агент возвращает коммит; вы смотрите его в «Предпросмотре» и принимаете или отклоняете.
- За компьютером терминал агента — в ядре, в разделе «Сборка» этого элемента.

## Открытый код

Сделано Fractera для протокола [Lagrix](https://lagrix.dev) и для любого web2-проекта, агентам которого нужна общая память. Лицензия MIT, код — [github.com/Fractera/fractera-graph-lightrag-starter](https://github.com/Fractera/fractera-graph-lightrag-starter).

## Вопросы и ответы

**Нужно ли что-то устанавливать?**
Нет. Элемент сам ставит себе Python и LightRAG в свою папку, в систему ничего не попадает.

**Где хранятся данные?**
В папке узла на вашем компьютере. Граф держится в памяти своего процесса, а файлы на диске — его копия.

**Можно ли подключиться к графу снаружи?**
Да. Сегодня графом пользуются элементы узла через двери по ключу узла. Через те же двери к нему можно подключить свои инструменты.

**Что такое LightRAG?**
Открытая библиотека поиска по графу знаний от LightRAG Team под лицензией MIT. Граф узла построен на ней.

**Что будет, если граф станет очень большим?**
Для знаний одного узла встроенного хранения хватает. Графу на миллионы предметов нужен сервер базы данных, этот элемент его не ставит.

**Можно ли делать резервные копии?**
Да. Элемент готов к тому, что его агент-программист настроит резервное копирование по расписанию или вручную: скажите об этом агенту элемента в Telegram или в терминале. Сам по себе он копий не делает.