LightRAG: מוח פרטי לעסק שעונה מכל המסמכים

מה זה LightRAG?

LightRAG הוא פרויקט בקוד פתוח (רישיון MIT) של מעבדת הדאטה של אוניברסיטת הונג קונג (HKUDS). נכון לאוקטובר 2026 יש לו כ-40,400 כוכבים בגיטהאב, והמאמר שלו הוצג בכנס המחקר EMNLP 2025 (arXiv 2410.05779).

בעברית פשוטה: זה מנוע שמחבר צ'אט AI למסמכים שלכם. השם המקצועי לזה הוא RAG, כלומר ה-AI קודם מחפש במסמכים ורק אז עונה. ההבדל של LightRAG הוא שבנוסף לחיפוש רגיל בטקסט, הוא בונה מהמסמכים גרף ידע: מי האנשים, מה המוצרים, מי קשור למה.

במאי 2026 צוות הפרויקט איחד לתוכו את RAG-Anything, הכלי שלהם לקבצים עם תמונות, טבלאות ונוסחאות. אם המסמכים שלכם הם בעיקר סריקות וחשבוניות, יש לנו מדריך נפרד ל-RAG-Anything.

למה מפה של קשרים עדיפה על חיפוש רגיל?

חיפוש רגיל מוצא קטעי טקסט שדומים לשאלה. זה עובד לשאלה כמו "מה המחיר של חבילת פרימיום". אבל שאלה כמו "אילו לקוחות קנו את החבילה הזו ומי הספק שלה" מפוזרת על פני כמה מסמכים, וחיפוש של קטעים בודדים מפספס את החיבור.

LightRAG שולף ישויות (אנשים, חברות, מוצרים) והקשרים ביניהן מכל קטע, ושומר אותם בגרף. כשאתם שואלים, הוא מחפש גם בגרף וגם בטקסט. לפי ה-README, מצב ברירת המחדל לשאלות נקרא mix, והוא משלב את שתי הדרכים.

איך מתקינים את LightRAG עם קלוד קוד?

ההתקנה דורשת פייתון וקובץ הגדרות, אז הכי פשוט לתת לקלוד קוד לעשות אותה. לפני שמתחילים, תחליטו על שני דברים: איזה מודל יענה (מפתח API של OpenAI או Gemini, או מודל מקומי דרך Ollama), ואיפה התיקייה עם המסמכים.

פותחים את קלוד קוד בתיקייה ריקה ומדביקים:

תתקין לי את LightRAG Server לפי ה-README ב-github.com/HKUDS/LightRAG.
1. תתקין את uv אם הוא חסר, ואז את lightrag-hku עם התוסף api.
2. תוריד את env.example מהריפו ותיצור ממנו קובץ .env.
3. מודל: [OpenAI / Gemini / Ollama מקומי]. תשאל אותי על המפתח,
   ואל תדפיס אותו בצ'אט. תשמור אותו רק ב-.env.
4. מודל embedding: תבחר אחד שתומך בעברית ותסביר לי למה.
5. תגדיר שהשרת יאזין רק ל-127.0.0.1, לא לכל הרשת.
6. תפעיל את השרת, תבדוק שהוא עונה, ותן לי את הכתובת של האתר.

מאחורי הקלעים אלה הפקודות מה-README, נכון לאוקטובר 2026 (הגרסה האחרונה היא v1.5.7):

uv tool install "lightrag-hku[api]"
cp env.example .env   # set LLM + embedding in .env
lightrag-server

שורה 5 בפרומפט חשובה. לפי ה-README, השרת מאזין כברירת מחדל לכל הממשקים (0.0.0.0), ובלי סיסמה כל אחד ברשת יכול לגשת אליו. במחשב אישי מגבילים ל-127.0.0.1, ואם פותחים לרשת מגדירים סיסמה ב-.env.

איך עובדים עם האתר של LightRAG?

אחרי שהשרת רץ, נכנסים בדפדפן לכתובת http://127.0.0.1:9621 (9621 הוא פורט ברירת המחדל לפי התיעוד של השרת). יש בו כמה לשוניות:

• Documents. מעלים קבצים ורואים מתי כל אחד סיים להיות מעובד.
• Knowledge Graph. המפה עצמה. לוחצים על ישות ורואים את התיאור שלה, את הקשרים שלה ומאיזה קטע במסמך היא הגיעה.
• Retrieval. שואלים שאלה ומקבלים תשובה. מאז מרץ 2025 יש תמיכה בציטוטים, כך שהתשובה מגיעה עם רשימת המסמכים שממנה היא נלקחה.

יש גם ממשק שני בכתובת /workspace: רק צ'אט, בלי ניהול מסמכים ובלי גרף, ומותאם לטלפון. זה מה שנותנים לעובדים שרק צריכים לשאול.

מה עושים עם LightRAG בעסק?

• ארכיון הצעות מחיר. "כמה גבינו מלקוחות בתחום המסעדנות בשנה שעברה, ומה כללה החבילה?" עם מקור לכל מספר.
• נהלים לעובדים חדשים. במקום לחפש בעשרות קבצים, העובד שואל באתר ומקבל תשובה עם הנוהל המקורי.
• תיקי לקוחות. למשרד עורכי דין, רואי חשבון או סוכנות ביטוח: מי הלקוח, מה נחתם, מי איש הקשר, ואיפה זה כתוב.
• מחקר ותוכן. מאגר מאמרים או תמלולים, והגרף מראה אילו נושאים קשורים זה לזה.

אם אתם רוצים משהו קל יותר בלי שרת, NotebookLM עונה ממסמכים עם ציטוטים, אבל בענן של גוגל ועם מגבלה על מספר המקורות. ואם אתם רוצים גרף של תיקייה או קוד בתוך קלוד קוד, יש את Graphify.

אפשר להריץ את LightRAG בלי אינטרנט?

כן, עם שני תנאים. הראשון: מודל מקומי. LightRAG תומך ב-Ollama גם למודל השפה וגם ל-embedding, וכל העיבוד נשאר במחשב. יש לנו מדריך להרצת מודלים מקומיים עם Ollama. השני: התקנה מראש של כל התלויות. ל-README יש מדריך Offline Deployment בדיוק לזה.

רק תדעו שמודל מקומי צריך מחשב חזק. ה-README ממליץ, להרצה מקומית, על מודל בגודל Qwen3-30B-A3B לפחות לשלב שליפת הישויות. עם מודל בענן זה עובד גם על מחשב רגיל, אבל אז המסמכים נשלחים לספק המודל.

חשוב לדעת

• חינמי, אבל המודל עולה. LightRAG עצמו חינמי. אם המודל בענן, כל מסמך שמעובד וכל שאלה עולים טוקנים אצל הספק. עיבוד הוא החלק היקר, כי המודל עובר על כל קטע.
• קלוד לא עונה ישירות. נכון לאוקטובר 2026, רשימת ספקי מודל השפה ב-LightRAG כוללת את OpenAI, Gemini, Ollama, Azure ו-Bedrock, בלי חיבור ישיר לאנתרופיק. קלוד קוד מתקין ומנהל, המודל שעונה הוא אחר.
• לא מחליפים מודל embedding באמצע. לפי ה-README, אחרי שבחרתם, החלפה מחייבת לעבד מחדש את כל המסמכים.
• האחסון הבסיסי לניסיון בלבד. ברירת המחדל שומרת בקבצים מקומיים. לעבודה אמיתית עם הרבה מסמכים ה-README ממליץ על PostgreSQL.
• עברית. הממשק לא בעברית. איכות התשובות בעברית תלויה במודל וב-embedding שבחרתם, אז תבדקו על כמה מסמכים לפני שמעלים את כל הארכיון.
• פרטיות. מסמכי לקוחות במודל בענן יוצאים מהמחשב. בדקו מה מותר לכם לפי ההסכמים ולפי חוק הגנת הפרטיות. זה לא ייעוץ משפטי.