getzep/graphiti

Build Real-Time Knowledge Graphs for AI Agents

解决的问题

Graphiti 解决了静态知识图谱和传统 RAG（检索增强生成）在处理频繁变化数据时的局限性。它使 AI 代理能够维护一个「上下文图」，追踪事实随时间的演变，确保代理能够区分当前为真的事实与过去为真的事实，而无需在新数据到达时重新计算整个图。

工作原理

Graphiti 从结构化和非结构化数据构建时序知识图谱。它以「剧集」（原始源数据）作为真实性的基准，从中推导出实体和关系。每个事实都具有一个有效时间窗口（开始和结束时间），当新信息与旧事实矛盾时，旧事实会被失效而非删除。该框架支持预定义的本体（通过 Pydantic 模型定义）和从数据中学习到的本体。检索采用混合方法，结合语义嵌入、关键词搜索（BM25）和图遍历。

适用对象

专为开发交互式、上下文感知的 AI 代理的开发者设计，适用于处理不断演化的现实世界企业数据或用户交互场景，其中历史准确性与可追溯性至关重要。

核心亮点

  • 时序事实管理：追踪事实在时间上的有效性，保留历史上下文。
  • 可追溯性：每个推导出的事实都能回溯到生成它的特定「剧集」原始数据。
  • 增量更新：实时集成新数据，无需批量重新处理。
  • 混合检索：结合语义、关键词和图检索，实现高精度、低延迟查询。
  • 可插拔后端：支持多种图数据库，包括 Neo4j、FalkorDB 和 Amazon Neptune。

相关

  • 项目
    deeplethe/utopia

    一个整合本体与时间感知的企业级世界模型和双时间知识图谱，为 AI 代理和决策提供可信、可审计的基础。

  • 项目
    xoai/sage-wiki

    一个基于图的知识库，利用 LLM 将原始文档编译为相互链接的维基和知识图谱，实现人类与 AI 的共享记忆。

  • 项目
    vercel-labs/lat.md

    lat.md 是一个通过 npm 分发的 CLI，为代码库创建基于 Markdown 的知识图谱。它允许您在 `lat.md/` 中编写链接文档，使用 `@lat` 注释标注源文件，并验证图谱。开发者和代理可以离线使用 MiniLM 或远程调用 OpenAI/Vercel 嵌入进行语义搜索，并使用 `lat check`、`lat locate` 和 `lat expand` 等命令，使设计决策、约束和测试规范与代码保持同步。

  • 项目
    angelnicolasc/graymatter

    GrayMatter 是一个用 Go 编写的单二进制内存层，专为 LLM 代理设计。它持久化存储事实，按默认前 8 个最相关项检索，并将上下文 Token 量减少约 90%。它还自动构建类型化知识图谱，与多种 MCP 兼容客户端（Claude Code、Cursor、Codex 等）集成，并提供终端 UI 和健康检查工具。可通过 `go install`、Homebrew、Scoop 或预构建二进制文件安装；使用 CLI（`graymatter recall`、`remember`、`kg render` 等）或直接在代理代码中嵌入 Go 库来使用。

  • 项目
    trailhq/Graft

    Graft 是一个开源的 TypeScript/Node.js 工具，利用 tree-sitter 进行结构化解析，并可选地使用 LLM 摘要，构建本地、基于 Markdown 的代码库知识图谱（摘要、关键代码片段、类型化链接）。图谱缓存在 `graft/` 文件夹中，仅在文件变更时刷新，并自动集成到 Claude Code、Cursor、Codex 和 Gemini 等编码代理中。基准测试显示，最多减少 46% 的工具调用、42% 的 token 消耗、60% 的延迟，并在 SWE-bench 上实现 12 点准确率提升。集成通过单个 `graft init` 命令完成，生成代理专用的指令文件；CLI 还提供搜索、可视化和遥测控制功能。项目采用 MIT 许可证，旨在实现更快、更低成本的 AI 辅助开发。