FalkorDB/FalkorDB

A super fast Graph Database uses GraphBLAS under the hood for its sparse adjacency matrix graph representation. Our goal is to provide the best Knowledge Graph for LLM (GraphRAG).

解决的问题

FalkorDB 是一个高性能、多租户的图数据库，专为实现信息传递的极低延迟而设计。它特别针对大语言模型（LLMs），作为知识图谱为生成式 AI、代理记忆以及欺诈检测和云安全等复杂数据关系映射提供支持。

工作原理

与传统图数据库不同，FalkorDB 使用稀疏矩阵表示图的邻接矩阵，并利用线性代数执行查询。这种方法优化了存储和性能。它符合属性图模型，并支持 OpenCypher 查询语言，允许用户定义带有属性的节点和关系。

适用人群

专为需要快速、可扩展的图数据库来管理 LLM、AI 代理和安全导向数据的开发人员和 AI 工程师而构建。

主要亮点

  • 稀疏矩阵表示：利用线性代数和稀疏矩阵优化图存储和遍历。
  • 支持 OpenCypher：与 OpenCypher 查询语言兼容，支持灵活查询。
  • 多租户架构：专为高性能多租户环境设计。
  • 广泛客户端支持：提供 Java、Python、Node.js、Rust 和 Go 的官方客户端库。

相关

  • 项目
    FalkorDB/GraphRAG-SDK

    GraphRAG‑SDK 是一个 Python SDK，从您的文档构建 FalkorDB 中的知识图谱，然后通过遍历该图谱回答问题。它添加了出处边、多跳检索和可选拒答功能，显著减少 LLM 幻觉，并附带基准测试显示其优于标准向量 RAG。通过 pip 安装，运行 FalkorDB 容器，摄入文本（或 PDF/markdown），调用 `finalize()`，再使用 `completion()` 查询。该库支持模式、增量更新、自定义提供者，采用 Apache‑2.0 许可。

  • 项目
    HelixDB/helix-db

    HelixDB 是一个开源的 Rust 数据库，原生融合图与向量存储，为 AI 智能体提供语言无关的查询 API。它自带 CLI，可启动本地实例、生成项目模板，甚至将任务转交给基于 LLM 的代码生成器。Rust、TypeScript、Python 和 Go 的 SDK 允许你以代码形式构建查询，这些查询以 JSON AST 形式发送至服务器。托管云版本提供高可用性、自动扩展读节点和集成的全文/向量搜索，适用于 RAG、智能体记忆和知识图谱应用。

  • 项目
    FalkorDB/code-graph

    将代码库转换为可搜索图谱的知识图谱可视化工具，用于分析依赖关系并为开发者提供基于 GraphRAG 的聊天功能。

  • 项目
    HKUDS/LightRAG

    一个轻量级的基于图的 RAG 框架，结合知识图谱和向量嵌入，提供高效、高质量的检索和全局上下文理解。

  • 项目
    docker/genai-stack

    一个基于 Docker 的生成式 AI 应用启动栈，集成了 LLM 和 Neo4j，支持 RAG 和知识图谱功能。