> ## Documentation Index
> Fetch the complete documentation index at: https://ikun.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# LightRAG 知识库

> 学习如何使用 LightRAG，一个基于图的快速检索增强生成系统，用于增强知识查询。

**LightRAGKnowledgeBase** 与 [LightRAG Server](https://github.com/HKUDS/LightRAG) 集成，后者是一个简单快速的检索增强生成系统，利用图结构来增强文档检索和知识查询能力。

## 用法

```python knowledge_base.py theme={null}
import asyncio

from agno.agent import Agent
from agno.knowledge.light_rag import LightRagKnowledgeBase, lightrag_retriever
from agno.models.anthropic import Claude

# 创建一个知识库，加载来自 URL 的文档
knowledge_base = LightRagKnowledgeBase(
    lightrag_server_url="http://localhost:9621",
    path="tmp/",  # 从本地目录加载文档
    urls=["https://docs.agno.com/introduction/agents.md"],  # 从 URL 加载文档
)

# 加载知识库，包括来自本地目录和 URL 的文档
asyncio.run(knowledge_base.load())

# 加载知识库中的文本
asyncio.run(
    knowledge_base.load_text(text="Agno 是构建 Agent 的最佳框架")
)

```

然后将 `lightrag_knowledge_base` 与 Agent 一起使用：

```python agent.py theme={null}
# 创建一个 Agent，使用知识库和检索器
agent = Agent(
    model=Claude(id="claude-3-7-sonnet-latest"),
    # 当向 Agent 提供 `knowledge` 时，Agentic RAG 默认启用。
    knowledge=knowledge_base,
    retriever=lightrag_retriever,
    # `search_knowledge=True` 使 Agent 能够按需搜索
    # `search_knowledge` 默认为 True
    search_knowledge=True,
    instructions=[
        "在你的回答中包含来源。",
        "在回答问题前，始终搜索你的知识。",
        "使用 async_search 方法搜索知识库。",
    ],
    markdown=True,
)

asyncio.run(agent.aprint_response("什么是 Agno Agents?"))
```

## 参数

| 参数                    | 类型                 | 默认值 | 描述                  |
| --------------------- | ------------------ | --- | ------------------- |
| `lightrag_server_url` | `str`              | -   | LightRAG 服务器的 URL。  |
| `path`                | `Union[str, Path]` | -   | 文档路径。可以指向单个文件或文件目录。 |
| `url`                 | `str`              | -   | 要读取的网站的 URL。        |

## 开发者资源

* 查看 [Cookbook](https://github.com/agno-agi/agno/blob/main/cookbook/agent_concepts/agentic_search/lightrag)