FalkorDB/FalkorDB

A super fast Graph Database uses GraphBLAS under the hood for its sparse adjacency matrix graph representation. Our goal is to provide the best Knowledge Graph for LLM (GraphRAG).

解決的問題

FalkorDB 是一個高效率、多租戶的圖資料庫，專為實現資訊傳遞的極低延遲而設計。它特別針對大型語言模型（LLMs），作為知識圖譜，為生成式 AI、代理記憶以及詐欺檢測和雲端安全等複雜資料關係映射提供支援。

工作原理

與傳統圖資料庫不同，FalkorDB 使用稀疏矩陣表示圖的鄰接矩陣，並利用線性代數執行查詢。此方法可優化儲存與效能。它符合屬性圖模型，並支援 OpenCypher 查詢語言，允許使用者定義帶有屬性的節點與關係。

適用對象

專為需要快速、可擴展圖資料庫來管理 LLM、AI 代理與安全導向資料分析的開發人員與 AI 工程師所設計。

主要亮點

  • 稀疏矩陣表示：利用線性代數與稀疏矩陣優化圖資料儲存與遍歷。
  • 支援 OpenCypher：與 OpenCypher 查詢語言相容，支援靈活查詢。
  • 多租戶架構：專為高效率多租戶環境設計。
  • 廣泛的客戶端支援：提供 Java、Python、Node.js、Rust 與 Go 的官方客戶端程式庫。

相關

  • 專案
    FalkorDB/GraphRAG-SDK

    GraphRAG‑SDK 是一個 Python SDK，從您的文件建立 FalkorDB 中的知識圖譜，然後透過遍歷該圖譜回答問題。它加入出處邊、多跳檢索與可選拒答功能，大幅減少 LLM 幻覺，並附帶基準測試顯示其優於標準向量 RAG。透過 pip 安裝，執行 FalkorDB 容器，攝入文字（或 PDF/markdown），呼叫 `finalize()`，再使用 `completion()` 進行查詢。該套件支援模式、增量更新、自訂提供者，採用 Apache‑2.0 許可。

  • 專案
    HelixDB/helix-db

    HelixDB 是一個開源的 Rust 資料庫，原生融合圖與向量儲存，提供語言無關的查詢 API，適用於 AI 智能體。它內建 CLI，可啟動本機實例、產生專案範本，甚至將任務轉交給基於 LLM 的程式碼產生器。Rust、TypeScript、Python 與 Go 的 SDK 讓你以程式碼形式建構查詢，並將其作為 JSON AST 傳送至伺服器。管理式雲端版本提供高可用性、自動擴展讀節點與整合的全文/向量搜尋，適用於 RAG、智能體記憶與知識圖譜應用。

  • 專案
    FalkorDB/code-graph

    將程式碼庫轉換為可搜尋圖譜的知識圖譜可視化工具，用於分析相依性並為開發者提供 GraphRAG 驅動的聊天功能。

  • 專案
    HKUDS/LightRAG

    一個輕量級、基於圖形的 RAG 框架，結合知識圖譜與向量嵌入，提供高效、高品質的檢索與全局上下文理解。

  • 專案
    docker/genai-stack

    一個基於 Docker 的生成式 AI 應用啟動堆疊，整合 LLM 與 Neo4j，支援 RAG 與知識圖譜功能。