memgraph/memgraph

High-performance open-source in-memory graph database for GraphRAG, AI memory, agentic AI, and real-time graph analytics. Cypher-compatible, built in C++.

什么是 Memgraph？

Memgraph 是一个用 C/C++ 编写的 内存图数据库。它将节点和边存储在 RAM 中，使其能够在亚毫秒时间内回答复杂的多跳图查询。虽然它可以作为通用图引擎使用，但该项目特别定位为 以 AI 为中心的工作负载，例如 GraphRAG、AI 内存存储和需要快速结合图与向量或文本搜索的智能体流水线。

主要特性（如 README 所述）

领域	功能
AI 与图智能	• 内置向量、文本和地理空间索引，支持相似性搜索和关键词搜索。 • MAGE 库 – 提供 40 多个图算法（PageRank、社区检测、基于 GNN 的链接预测、时序图网络、嵌入等），支持 C++、Python 和 CUDA。 • Atomic GraphRAG – 单个 Cypher 查询即可完成 pivot 搜索、图扩展、排序和提示组装。 • LLM 工具模块，用于为大型语言模型格式化图感知的上下文。 • 与主流代理框架集成的 AI 工具包，提供即用型的 GraphRAG、AI 内存和代理工作流组件。 • 实时模式下查看模式信息（`SHOW SCHEMA INFO`）。
性能与查询能力	• 纯内存 C/C++ 引擎，实现亚毫秒级遍历（经基准测试验证）。 • 支持累加器和路径过滤的深层路径遍历。 • 可通过用 Python、Rust 或 C/C++ 编写的自定义查询模块进行扩展。 • 支持并行查询执行，实现高吞吐量。 • 原生支持从本地磁盘、S3 或 HTTP 加载 Parquet 和 JSONL。 • 支持从 Kafka、Pulsar、RedPanda 流式摄入，并具备动态算法以响应数据变化。
企业级功能	• 基于 Raft 的高可用性，支持自动故障转移。 • 多租户支持和细粒度的角色/标签权限控制。 • 支持 SSO、用户委派、30 多种权限类型。 • 传输中加密、监控、备份与恢复。
工具与生态系统	• Memgraph Playground – 无需安装的浏览器端沙箱环境。 • Memgraph Lab UI，用于可视化探索和查询调优。 • 提供 Python、C/C++ 等语言的驱动程序，以及 WebSocket 访问支持。 • 提供 Kubernetes 部署的 Helm 图表（独立或高可用模式）。

哪些人会使用它？

构建需要在单个查询中结合向量相似性与图推理的检索增强生成（RAG）流水线的 AI 工程师。
需要实时图分析进行欺诈检测、网络监控或基础设施分析，且对延迟敏感的 数据科学家。
需要快速上下文查找、模式探查和与 LLM 无缝集成的 智能体系统开发者。
需要高可用性、ACID 兼容图存储、强安全性和多租户隔离的 企业用户。

如何开始？

试用免费 Playground – 访问 https://playground.memgraph.com/，立即体验无需安装的演示。
本地安装 – 提供 Windows、macOS 和 Linux 的 Docker、WSL 或原生包（README 中有链接）。
部署到 Kubernetes – 添加 Helm 仓库（helm repo add memgraph https://memgraph.github.io/helm-charts），然后使用 helm install 安装。
连接 – 使用 Memgraph Lab、mgconsole 或任意语言驱动程序（Python、C/C++ 等）。
探索 AI 功能 – 查看 src/mage 文件夹中的算法实现，或访问独立的 ai-toolkit 仓库获取即用型 GraphRAG 组件。

许可与社区

社区版 – 商业源码许可证（BSL）。
企业版 – Memgraph 企业许可证（MEL）。
活跃的 Discord、Stack Overflow 标签、Twitter 和 YouTube 频道。
提供贡献指南、行为准则和“最佳实践”仓库，欢迎开发者参与。

简而言之：Memgraph 是一个高性能、内存型图数据库，集成了向量/文本搜索和丰富的图算法，是现代 AI 驱动应用中实现快速、连通上下文检索的坚实基础。