Graphiti 是一个专为 AI 代理设计的框架，用于构建和查询时间感知的知识图谱（Knowledge Graphs）。它特别适用于动态环境，能够持续整合用户交互、企业数据（结构化和非结构化）以及外部信息，形成一个连贯、可查询的图谱结构。与传统的检索增强生成（Retrieval-Augmented Generation, RAG）方法不同，Graphiti 支持增量数据更新、高效检索和精确的历史查询，而无需完全重新计算图谱。这使得它在开发交互式、上下文感知的 AI 应用中表现出色，例如聊天机器人、推荐系统或任务自动化代理。
Graphiti 的核心灵感来源于知识图谱的概念，即将事实表示为三元组（两个实体/节点及其关系/边），但它独特地处理关系的变化并维护历史上下文。这使得它区别于传统的知识图谱应用，能够为 AI 代理提供状态化的记忆层。根据相关论文《Zep: A Temporal Knowledge Graph Architecture for Agent Memory》，Graphiti 在代理记忆性能上达到了 state-of-the-art 水平。
目的与背景
Graphiti 的主要目的是解决传统 RAG 系统在处理实时数据时的局限性。传统 RAG 依赖静态批处理索引，无法高效应对快速变化的环境（如实时用户交互或业务数据更新）。Graphiti 通过构建动态知识图谱，帮助 AI 代理实现：
它最初作为 Zep（一个 AI 代理内存层）的动力源，已在实际应用中证明其在实时知识管理方面的优势。
关键特征
Graphiti 的特征聚焦于实时性、准确性和可扩展性。以下是其主要特征的表格总结：
这些特征使 Graphiti 在动态 AI 应用中脱颖而出，例如从静态 RAG 转向实时更新，避免了昂贵的 LLM 调用和幻觉（hallucinations）问题。
底层原则解析
Graphiti 的设计原则基于知识图谱的本质，但扩展到时间维度和动态环境。核心原则包括：
- 混合检索机制：不依赖单一搜索方法，而是融合：
- 语义搜索：使用嵌入（embeddings）捕捉含义相似性。
- 关键词搜索（BM25）：基于 Lucene TF-IDF 的精确匹配。
- 图遍历：探索节点关系，揭示隐藏连接。
这些通过 Reciprocal Rank Fusion (RRF) 融合结果，提高精度和速度。原则是减少对 LLM 的依赖（仅用于初始提取），从而降低成本和延迟。
这些原则使 Graphiti 适用于 AI 代理的“记忆”管理，支持状态化交互（如记住过去对话并基于新事实更新推荐）。
架构解析
Graphiti 的架构强调模块化和集成性：
- 核心组件：知识图谱构建器、查询引擎和时态管理器。图谱存储在图数据库后端，如 Neo4j（5.26+）或 FalkorDB（1.1.2+），用于嵌入存储。
- LLM 集成：支持 OpenAI、Google Gemini、Anthropic 或 Groq 等服务，用于推理和嵌入生成。也可使用 Azure OpenAI 或本地 LLM（如 Ollama）。
- 可选服务：
- MCP 服务器：Model Context Protocol，用于 AI 代理的语义搜索和图维护。 - REST 服务：基于 FastAPI，提供 API 接口。
- 运行时：支持并行处理（在兼容环境中），确保大规模数据处理。
架构抽象了底层复杂性，开发者只需配置数据库和 LLM 即可启动。
如何工作
Graphiti 的工作流程分为摄取（Ingestion）和检索（Retrieval）两个阶段：
- 数据摄取：
- 以“事件”（episodes）形式上传数据（如文本或 JSON）。 - 系统自动提取实体和关系，使用 LLM 生成嵌入。 - 更新图谱：新增节点/边，同时记录时态信息。示例：上传 JSON 关于新 LLM 发布的更新，Graphiti 会创建节点（如“Claude 4”）和边（如“发布于 2025-07-01”），并维护历史版本。
- 查询与检索：
- 使用混合搜索：例如，查询“最新 LLM 推荐”，系统结合语义匹配、关键词和图距离重排序结果。 - 支持中心节点搜索（探索特定节点的关系）和配方搜索（预定义查询模板，如 NODEHYBRIDSEARCH_RRF）。 - 输出：返回相关节点/边列表，可直接喂给 AI 代理用于生成响应。
整个过程实时发生，支持低延迟查询（无需 LLM 摘要）。在示例项目中，上传多阶段 LLM 数据后，代理能动态切换推荐（如从 Gemini 切换到 Claude）。
安装与使用
安装简单，需要 Python 3.10+、图数据库和 LLM API 密钥：
快速启动示例（从 GitHub examples/quickstart）：
更多用例包括与 LangChain 集成，用于状态化聊天机器人。
其他注意事项
Graphiti 收集匿名使用统计以改进框架，可通过环境变量禁用。它开源于 GitHub，支持社区贡献。相比 Eclipse Graphiti（图形编辑器框架）或其他同名项目，此 Graphiti 更聚焦 AI 和知识管理。