getzep/graphiti

它解决了什么问题

Graphiti 通过超越静态文档块，解决了传统检索增强生成 (RAG) 的局限性。它提供了一个构建时序知识图谱的框架，用于追踪事实、实体和关系随时间的变化，使 AI 智能体不仅能理解当前的事实，还能了解过去的情况。

工作原理

Graphiti 将结构化和非结构化数据摄入到图结构中，其中每个事实都有一个“有效窗口”。它利用 LLM 从原始数据（片段）中提取实体和关系，并将其存储在图数据库（如 Neo4j 或 FalkorDB）中。由于它追踪了这些事实的时序历史，系统可以执行混合检索——结合语义、关键词和图遍历搜索——从而在无需重新计算整个图的情况下提供具备上下文感知的响应。

适用对象

该框架适用于开发 AI 智能体或需要深度、演进式上下文的应用程序的开发者，例如长期运行的对话助手、个性化企业工具或必须追踪不断变化的现实世界数据的系统。

亮点

• 时序事实管理： 自动追踪事实何时成立以及何时被取代，保留完整的历史记录。
• 溯源追踪： 每个派生事实都链接回原始源数据（片段），以实现完全透明。
• 混合检索： 结合语义嵌入、关键词搜索和图遍历，实现高精度、低延迟的查询。
• 灵活的本体： 支持开发者定义的实体类型（通过 Pydantic）以及从数据中学习到的涌现结构。
• 增量更新： 实时集成新信息，无需对图进行批量重新计算。