Omnigraph – 为 AI 智能体构建的图数据库

它是什么

Omnigraph 是一个对象存储原生图数据库，其数据存储在开源的 Lance 列式格式中。它专为现代 LLM 驱动系统所需的长期运行、多智能体工作负载而设计：一个共享的、类型化的世界模型，可通过图遍历、向量相似性和全文搜索在单个请求中查询。

核心思想

思想	对 AI/LLM 工作负载的重要性
类型化本体	模式（.pg 文件）定义节点/边类型、键和约束。智能体可以依赖单一、强制的领域模型，减少“幻觉”或格式错误的数据。
多模态检索	单个查询可以组合图跳跃、ANN 向量搜索、BM25 文本搜索和排名融合，让智能体一次性获取最相关的上下文。
分支与版本控制	每个智能体或任务可以在自己的分支上工作，提交审查，然后合并回来。整个图可进行时间旅行，这对审计、可复现性和“智能体记忆”很有用。
基础设施即代码	cluster.yaml 声明图、模式、存储查询、嵌入提供程序和安全策略。cluster plan / cluster apply 等命令的行为类似 Terraform，提供可预测、可重复的部署流程。
安全即代码	Cedar 策略与数据一起存储，并在每次变更时强制执行，支持 Bearer 令牌认证和审计跟踪。
对象存储原生	数据存储在任何兼容 S3 的存储上（AWS S3、MinIO、Cloudflare R2、GCS、Azure Blob 预览版）或本地 RustFS。由于 Lance 是一种列式、版本化的格式，存储成本保持较低，系统可以水平扩展。

典型用例

• 公司大脑 – 所有内部智能体都可以查询的单一知识图谱。
• 智能体记忆 – 每个自主智能体的持久、基于分支的记忆。
• 上下文图 – 捕获决策轨迹和隐性知识以供检索。
• 开发图 – 建模编码智能体读/写的问题、依赖关系和代码工件。
• 研发/机器学习数据层 – 版本化的实验数据，可直接输入训练管道。

如何与之交互

工具	功能
omnigraph（CLI）	创建/验证集群、运行存储查询、变更数据、管理分支。
omnigraph-server	暴露 REST/OpenAPI 接口的 HTTP 服务器；每个图可在 /graphs/{id}/… 访问。
TypeScript SDK（@modernrelay/omnigraph）	用于 Node/TS 应用程序的类型化客户端库。
MCP 服务器（@modernrelay/omnigraph-mcp）	允许 LLM 主机（Claude、Codex 等）通过简单协议调用 Omnigraph 的桥接器。
Python SDK（计划中）	未来从 Python 进行类型化访问。

快速开始（来自 README）

# 安装 CLI 和服务器
curl -fsSL https://raw.githubusercontent.com/ModernRelay/omnigraph/main/scripts/install.sh | bash
# 或通过 Homebrew
brew tap ModernRelay/tap && brew install ModernRelay/tap/omnigraph

# 声明集群目录
mkdir -p company-brain && cd company-brain
cat > cluster.yaml <<'EOF'
version: 1
metadata:
  name: company-brain
storage: s3://my-bucket/company-brain
graphs:
  knowledge:
    schema: people.pg
    queries: queries/
policies:
  base:
    file: base.policy.yaml
    applies_to: [knowledge]
EOF

# 验证、计划、应用
omnigraph cluster validate
omnigraph cluster plan
omnigraph cluster apply

# 启动服务器
omnigraph-server --cluster . --bind 0.0.0.0:8080

然后您可以运行查询或变更，例如：

omnigraph query search_docs --params '{"q":"AI safety"}'
omnigraph mutate add_person --params '{"name":"Mina"}'

分支操作类似：

omnigraph branch create --from main agent/ingest-42
omnigraph branch merge agent/ingest-42 --into main

安全模型

• 所有写入都通过集群中定义的 Cedar 策略 包。
• Bearer 令牌在启动时进行哈希处理；服务器解析参与者身份，防止客户端伪造。
• 策略可以按图、按分支或服务器范围进行范围限定，提供细粒度的治理。

谁可能使用它？

• 构建需要共享、版本化世界模型的自主 AI 助手的团队。
• 希望拥有可通过向量搜索进行 LLM 增强检索的中央知识图谱的公司。
• 需要用于实验元数据的低成本、版本化数据湖的研究人员，可通过图或向量查询访问。

下一步去哪里？

• 探索 cookbooks 仓库，获取现成的领域图（公司大脑、VC 运营、制药情报）。
• 阅读详细的 集群指南 和 部署指南，了解生产级设置（Kubernetes、AWS、Azure 等）。
• 加入 Omnigraph Slack 社区，获取支持和路线图讨论。

---

以上所有信息均直接取自项目 README；未推断任何额外功能。