Разработчики из FalkorDB представили GraphRAG SDK 1.0 — open-source фреймворк для создания графовых RAG-систем. Релиз примечателен тем, что инструмент сразу возглавил лидерборд GraphRAG-Bench, опередив решения от Microsoft и LightRAG во всех четырех категориях: извлечение фактов, сложные логические цепочки, саммаризация и генерация контента.

Почему это важно для вайбкодеров

Главная проблема обычных RAG-пайплайнов — они «тупеют» с ростом базы знаний. Векторный поиск находит похожие куски текста, но не видит связей между ними. GraphRAG решает это через построение графа знаний, но до сих пор такие системы были либо слишком дорогими, либо сложными в настройке.

FalkorDB меняет правила игры: их SDK работает на обычном MacBook Air (M3, 24 GB) и использует дешевую модель gpt-4o-mini, при этом обходя конкурентов по точности.

Ключевые фишки версии 1.0:

• Экономичность: Индексация 1000 документов обходится в $5-6, а один поисковый запрос стоит около $0.001.
• LLM-agnostic: Работает с OpenAI, Anthropic, моделями через Ollama и еще сотней провайдеров.
• Готовая онтология: «Из коробки» доступны 11 базовых сущностей (люди, организации, продукты и т.д.), что позволяет запустить систему за дни, а не месяцы.
• Мультитенантность: Поддержка изолированных графов знаний для разных пользователей или проектов.

Результаты бенчмарков (ACC ×100):

1. FalkorDB GraphRAG SDK: 69.73
2. G-Reasoner: 66.12
3. AutoPrunedRetriever: 65.36

Для сообщества это означает возможность собирать глубокие экспертные системы на коленке, не арендуя GPU-кластеры. Если ваш AI-агент начал путаться в контексте большого проекта, переход на графовый SDK от FalkorDB — самый логичный шаг.

Код уже доступен на GitHub под открытой лицензией.