一、目前完全依赖于Postgresql的存储方案可能存在性能上的问题
https://github.com/HKUDS/LightRAG/issues/1277

PostgreSQL AGE performance issues have been resolved since v1.3.3. You can pull the latest version from the main branch and give it a try.
However, for large-scale deployments, however, we recommend using Neo4j.

翻译：PostgreSQL AGE的性能问题已经在V1.3.3中解决（我们使用的是V1.3.9>V1.3.3）
但是，对于大规模的数据，我们推荐使用Neo4j!

这就意味着，我们需要继续研究向Neo4j进行迁移的问题。


https://github.com/HKUDS/LightRAG/issues/1363
此外，LightRAG 的 PostgreSQL 存储实现目前存在一些尚未解决的性能问题，尤其是在 AGE 图存储方面。我们建议使用 MonogoDB 来处理 KV 和 Vector 数据，并使用 Neo4j 作为图存储解决方案。
LightRAG 与 Neo4j 社区版无缝运行。


Lightrag mongo 示例不存储数据 #843
https://github.com/HKUDS/LightRAG/issues/843

修复 mongo 文档状态 #1160
https://github.com/HKUDS/LightRAG/pull/1160


二、深入研究Postgresql中向量库+图数据库的使用

1、向量库的使用
PostgreSQL - pgvector 插件构建向量数据库并进行相似度查询
https://blog.csdn.net/fenglingguitar/article/details/142357092

2、Python中使用PostgreSQL和Apache AGE扩展来绘制和显示图表
https://blog.csdn.net/u014158430/article/details/144942197


三、深入学习LightRAG的维护
https://github.com/HKUDS/LightRAG/blob/main/README-zh.md
(1)编辑实体和关系
(2)删除功能
(3)实体合并
(4) 尝试用python+postgresql+age 绘制出指定主题的知识图谱


四、需要为文档入库提供两个工具：
1、音频转文字（视频转文字）
教程 | 用 openai 开源模型 whisper 实现音频转文字
https://www.53ai.com/news/OpenSourceLLM/2024071482650.html

2、PDF转office
Python简单使用MinerU
https://blog.csdn.net/make_progress/article/details/145802697

https://www.cnblogs.com/Rainy7/p/12275952.html