PolyUQuestとは？
PolyUQuestは、平坦なチャンク分割が捨ててしまう構造を残したまま、Webサイトに関する質問に答えます。Webページ、DOMブロック(各ページのHTMLの区画で、上限は約150語)、抽出したエンティティからなる3層のグラフを作り、Neo4jに保存してベクトルはQdrantに置きます。各クエリは3つのモードのいずれかに振り分けられます。ブロックの直接検索、リンクをたどるページ起点の検索、エンティティグラフの探索です。確信度の低いクエリ向けのハイブリッドモードもありますが、同梱の設定では無効になっています。回答には根拠となるブロックが引用されます。
リポジトリは香港理工大学(Hong Kong Polytechnic University)のグループによるオンライン提供部分で、FastAPIのバックエンド、Next.js 14のフロントエンド、PolyUのWebサイトに関する300問のベンチマークを含みます。対応する論文「PolyUQuest: Verifiable Structure-Aware Web RAG over Heterogeneous Graphs」(arXiv 2607.08269)はCIKM 2026のデモトラックに採択されました。既定ではSiliconFlowのAPIでDeepSeekモデルとBGE-M3埋め込みを呼び出し、リランキングにはQwen3-Reranker-8Bを使います。
コードはApache 2.0です。データセットは研究用途限定で、著者はその条件をCC BY-NC 4.0と同等としています。リポジトリは2026年6月に作成され、コミットは2件(最新は2026年11月3日)、リリースはありません。
PolyUQuestは使う価値があるか？
PolyUQuestはよく練られた研究成果ですが、まだデプロイするものではありません。発想は正しく、既存のグラフRAGフレームワークではほとんど扱われていません。WebサイトのリンクとHTMLレイアウトはただで手に入る構造であり、論文のアブレーションによれば、品質面の優位の大部分を生んでいるのはエンティティグラフではなくDOMを意識したブロックです。しかしリポジトリはGitHubスター3、コミット2件、リリースなしで、サイトをクロールしてインデックスするオフラインのパイプラインが含まれていません。そのためNeo4jとQdrantのストアは空の状態から始まります。
論文の数字は強力ですが自己申告で、著者自身が作った、PolyUの4,240ページ(DOMブロック31,086、エンティティ29,119)に対する300問のベンチマークによるものです。PolyUQuestは回答の正確さで0.644、忠実性で0.921を記録し、LightRAGの0.610と0.559を上回りました。クエリあたりのトークンは2,968で、LightRAGの29,825に対して大幅に少なく、インデックス構築のトークンも3,740万に対して1,750万でした。単純なチャンクRAGは2,947トークンで正確さ0.532です。論文は使用した言語モデルを明かさず、回答を人が採点したのかモデルが採点したのかも書いていないため、数字の再現は困難です。
配布されたままの状態は開発用の構成です。FastAPIサーバーは0.0.0.0にバイン ドされ、自動リロードが有効で、/api/queryに認証がありません。docker-compose.ymlはNeo4jとQdrantをすべてのインターフェースに公開し、Neo4jのパスワードがファイルに書き込まれたまま、APOCとGraph Data Scienceのプロシージャも無制限です。さらに、切り替えない限りすべてのクエリが中国のAPI事業者SiliconFlowに送られ、ルーティング、埋め込み、クエリの書き換え、リランキングに使われます。文書化された代替はDeepSeekとQwenで、埋め込みはBGE-M3でローカル実行もできます。
当サイトでレビュー済みのLightRAGとMicrosoft GraphRAGは、任意の文書コレクションをインデックスでき、保守されたリリースがあります。PolyUQuestが対象とするのはHTMLサイトで、評価されたのは1サイトだけです。Neo4jとGraphitiは競合というより、PolyUQuestが土台にできるインフラです。最も役立つ教訓は、埋め込みの前にページをDOMに沿って分割すると、平坦なチャンクにも重いグラフにも勝るという点で、このコードベースが採用できる段階になるずっと前から、既存のパイプラインに取り入れる価値があります。
真価を発揮する場面
グラフRAGの手法を比較する検索分野の研究者
公開されたテストセットで、新しい手法を構造を意識したWeb RAGと比べる
python -m agent_rag.evaluation --validate-only でサービスなしに300問を検証でき、replayモードで自分のシステムの出力を回答スパンの指標で採点できます 。ブロック単位の指標には著者のコーパスビルド20260523が必要ですが、リポジトリには含まれていないため、PolyUQuest自体との同条件比較はまだできません。
授業や入学案内のページが数千ある大学のWebチーム
回答ごとに根拠となるページの区画を引用する学生向けQ&Aアシスタントを試作する
ルーター、検索モード、Next.jsのチャットUIは参考実装として使えます。クローラーとエンティティ抽出のモジュールはソースにありますが、それをNeo4jとQdrantに流し込むパイプラインはないため、構築処理はチームが自分で組みます。論文の4,240ページで1,750万トークンという構築コストが大まかな予算になります。学生に公開する前に認証を加え、データベースのポートを閉じてください。
製品ドキュメントサイトでLightRAGを運用するエンジニア
忠実性を落とさずに回答時のトークンを減らす
コードではなく知見を借ります。インデックスの前に、ページをHTML構造に沿って約150語のブロックに分割します。論文のアブレーションはPolyUQuestの優位の大半をこの工程によるものとしており、新しいデータベースも要りません。
導入前に確認すること
- 導入
- .env.exampleをコピーしてSiliconFlowのキーを入れ、docker-compose up -dでNeo4jとQdrantを起動し、uv syncとuv run agent-rag-serveを実行してから、frontend/でnpm run devを実行します。Python 3.11以上、Node 18以上、Dockerが必要で、APIの既定設定ならGPUは不要です。ストアは空の状態から始まります。
- 連携
- APOCとGraph Data Scienceを入れたNeo4j 5 Community、Qdrant、SiliconFlow、DeepSeek、QwenのAPI、APIまたはローカルのBGE-M3埋め込み、SiliconFlow経由のQwen3-Reranker-8B、JavaScriptで描画されるページ向けのFirecrawl(任意)。RESTエンドポイントは/api/query、/api/graph/stats、/api/healthです。
- データとプライバシー
- クエリとページ本文は、設定したLLM、埋め込み、リランカーのAPI(既定はSiliconFlow)に送られます。サーバーは認証なしで0.0.0.0にバインドされ、Neo4jとQdrantのポートはコミット済みの既定パスワードのまま公開されます。コードはApache 2.0で、ベンチマークは商用利用を禁じています。
- 大規模利用時のコスト
- 有償エディションはありません。論文によれば4,240ページのインデックス作成にLLMトークン1,750万、クエリあたり約2,968トークンです。APIの価格はリポジトリに書かれていません。セルフホストではNeo4jとQdrantのサーバーに加え、モデルをローカル で動かすならGPUが必要です。
- 制限
- インデックス作成パイプラインは未公開。コミット2件、リリースなし、Issueの報告もなし。同梱の設定ではハイブリッドのルーティングが無効。評価は大学サイト1つのみ。データセットの正解ブロックIDは著者の未公開コーパスビルドに対してしか解決できません。
良い点
- 平坦なチャンク分割が捨てるページ間リンクとHTML構造を活用
- 論文では忠実性0.921で、LightRAGの0.559を上回る
- 論文の検証ではクエリあたりのトークンがLightRAGの約10分の1
- 300問のベンチマークとアブレーション用ハーネスを同梱
気になる点
- クロールとインデックス作成のオフラインパイプラインが含まれない
- スター3、コミット2件、リリースなし
- APIに認証がなく、パスワードがコミットされたままデータベースが公開される
- 結果は自己申告で、ベンチマークは非商用限定
おすすめの人
本番のRAGシステムが必要なチームではなく、HTMLサイトにおける構造を意識した検索を研究する研究者や大学のWebチーム。
PolyUQuestの代替
PolyUQuest：よくある質問
- PolyUQuestは使う価値があるか？
- Webサイト自身の構造をRAGに生かすという賢い論文ですが、公開されたのは、まだあなたのサイトをインデックスできない提供用コードです。 評価は5点満点中3.0点です。
- PolyUQuestの料金は？
- Apache 2.0の無料オープンソースです。同梱のベンチマークは研究用途限定です。クエリとインデックス作成には、自分のLLM、埋め込み、リランカーのAPIクレジット(既定はSiliconFlow)を使います。
- PolyUQuestの欠点は？
- クロールとインデックス作成のオフラインパイプラインが含まれない; スター3、コミット2件、リリースなし; APIに認証がなく、パスワードがコミットされたままデータベースが公開される; 結果は自己申告で、ベンチマークは非商用限定.
- PolyUQuestは誰に向いているか？
- 本番のRAGシステムが必要なチームではなく、HTMLサイトにおける構造を意識した検索を研究する研究者や大学のWebチーム。
- チームや本番環境でPolyUQuestを使うと費用はいくらか？
- 有償エディションはありません。論文によれば4,240ページのインデックス作成にLLMトークン1,750万、クエリあたり約2,968トークンです。APIの価格はリポジトリに書かれていません。セルフホストではNeo4jとQdrantのサーバーに加え、モデルをローカルで動かすならGPUが必要です。
- PolyUQuestは企業データを扱っても安全か？
- クエリとページ本文は、設定したLLM、埋め込み、リランカーのAPI(既定はSiliconFlow)に送られます。サーバーは認証なしで0.0.0.0にバインドされ、Neo4jとQdrantのポートはコミット済みの既定パスワードのまま公開されます。コードはApache 2.0で、ベンチマークは商用利用を禁じています。
- PolyUQuestの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はLightRAG, GraphRAG, RAGFlow, Graphiti 、 Crawl4AIです。
回答確認日：2026年11月9日