getzep/graphiti

解决的问题

传统的 RAG 方法通常依赖于静态数据摘要和批处理，难以应对频繁变化的信息。Graphiti 通过跟踪事实随时间的变化，而非仅仅存储静态文档块，解决了 AI Agent 需要维持连贯且不断演进的世界观的需求。

工作原理

Graphiti 构建了一个由实体（节点）、事实/关系（边）和事件（原始数据源）组成的时序上下文图。与静态图不同，它使用时间有效性窗口来跟踪事实何时变为真，以及何时被取代。它支持增量数据更新，这意味着随着新信息的摄入，图会实时演进，而无需进行完整的重新计算。它还使用混合检索，结合了语义嵌入、关键词搜索和图遍历。

适用对象

专为构建交互式、上下文感知型 AI 应用以及需要丰富结构化记忆和查询历史上下文能力的生产级 AI Agent 的开发者而设计。

亮点

• 时序事实管理： 跟踪事实随时间变化的有效性，允许查询当前的事实与过去的事实。
• 溯源： 每个派生事实都可以追溯到其原始数据（事件）。
• 混合检索： 结合语义、关键词和基于图的搜索，实现高精度查询。
• 增量构建： 无需批量重新计算即可立即整合新数据。
• 灵活的本体论： 支持开发者定义的模式（通过 Pydantic）以及从数据中学习到的结构。