raphaelmansuy/edgequake

说明与用途

**项目简介（2‑3 句）**
EdgeQuake 🌋 是一款用 Rust 实现的高性能 GraphRAG 框架，受 LightRAG 启发，能够将文档转化为结构化的知识图谱，以实现更精准的检索和生成。它面向内部知识库，帮助 AI 助手快速定位并利用企业文档中的信息。

**价值**

• **提升知识可搜索性**：把散落的文档转成关联图谱，使得查询和上下文检索更高效。
• **增强生成质量**：在生成答案时可直接“落地”到图谱节点，保证答案的事实依据。
• **加速内部 AI 应用**：为客服、内部助理、研发文档查询等场景提供可靠的知识底座。

**典型接入方式**

1. **准备数据**：将已有的文档（Markdown、PDF、HTML 等）导出为纯文本或 JSON。
2. **构建图谱**：使用 EdgeQuake 提供的 CLI 或库函数 edgequake::ingest 将文本分块、抽取实体/关系并写入本地或嵌入式数据库（默认 RocksDB）。
3. **查询接口**：在业务服务中调用 edgequake::query，传入自然语言查询或向量，返回关联的图谱子集及检索得分。
4. **与生成模型结合**：把检索结果拼装成检索增强提示（RAG Prompt），喂给 LLM（如 OpenAI、Claude）完成答案生成。

**生产可用性**

• **成熟度**：项目已有 2022 年起的 GitHub 星标、231 次 fork，最近一次更新在 2026‑07‑01，代码基于 Rust，具备良好的性能与安全特性。
• **适用阶段**：适合作为原型或内部工作流的知识检索层，能够在几天内完成小规模 PoC。
• **风险与准备**：
• 文档到图谱的抽取规则需要根据业务自行调优，初始集成可能需要一定的配置工作。
• 依赖 Rust 编译链和 RocksDB，需评估运维团队对这些组件的熟悉度。
• 目前缺乏完整的 CI/CD 部署示例，建议先在隔离环境进行功能验证，再编写自动化部署脚本。

总体而言，EdgeQuake 在原型和内部业务场景中具备较高的实用价值，经过适当的依赖审查和部署验证后，可逐步提升至生产环境使用。

实际用途

raphaelmansuy/edgequake helps make internal knowledge searchable and usable by assistants.

• index knowledge bases
• improve search over documents
• ground assistant answers

限制与审查说明

Medium: useful for prototypes or internal workflows, with dependency and maintenance checks before production.