开源多跳 RAG 框架 MOTHRAG：跳过知识图谱
无需图谱与 GPU，HotpotQA 等多跳问答基准上整体超越主流图谱方法，单次查询成本约 0.03 美元。
多跳问答一直是 RAG 系统的难点之一，而当前表现较好的方案几乎都依赖离线构建的知识图谱。Reddit 用户近日开源了 MOTHRAG，提出了一种「无图谱、查询时编排」的替代路线，在 HotpotQA、2WikiMultiHopQA、MuSiQue 三个多跳问答基准上整体超过了 GraphRAG、HippoRAG、RAPTOR 等主流图谱方案，且全程不需要 GPU。
核心思路：放弃离线图谱，改在查询时编排
构建多跳 RAG 时，作者反复遇到同一个问题：GraphRAG、HippoRAG、RAPTOR 等高精度方案都依赖离线构建的知识图谱，数据一旦变化，就需要用 LLM 跑一次昂贵的重建索引流程。对于价格表、内部文档、工单、新闻等每天都在更新的语料来说，这笔「重建账单」几乎无法承受。
MOTHRAG 的做法是用一个「无图谱的稠密索引」加「查询时编排」来替代：
- 不构建知识图谱，不需要 GPU；
- 所有组件都可调用通用 API；
- 数据更新只需「嵌入并追加」，无需重建、无需重训。
基准测试结果：三项多跳任务上整体领先
作者在三个常用多跳问答基准上对比了 MOTHRAG 与三种主流图谱方法的 Accuracy / F1（数值越接近 100 越好）：
- HotpotQA：MOTHRAG 78.1，GraphRAG 68.6，HippoRAG 75.5，RAPTOR 69.5；
- 2WikiMultiHop：MOTHRAG 76.3，GraphRAG 58.6，HippoRAG 71.0，RAPTOR 52.1；
- MuSiQue：MOTHRAG 50.5，GraphRAG 38.5，HippoRAG 48.6，RAPTOR 28.9。
从数据可以看到，MOTHRAG 在三项任务上均超过 GraphRAG 与 RAPTOR，在 2WikiMultiHop 上对 HippoRAG 也有约 5 个百分点的优势。
与 GPU 方案的对比：MuSiQue 仍是短板
作者也把自己和需要 GPU 并使用约束解码的 NeocorRAG 做了对比：
- HotpotQA：78.1 vs 78.3，几乎持平；
- 2WikiMultiHop：76.3 vs 76.1，几乎持平；
- MuSiQue：50.5 vs 52.6，略输。
作者坦承，MuSiQue 是目前最明显的短板，问题出在检索召回率上，尚未解决。
部署与成本
MOTHRAG 采用 Apache-2.0 协议，可通过标准 pip 安装 + 配置 API key 即可运行，单次查询成本约 0.03 美元，且整条链路无 GPU 依赖。作者表示，对于「语料频繁变化、且需要多跳推理」的场景，图谱带来的更多是重建开销，而不是准确率本身。