getzep/graphiti

解決的問題

傳統的 RAG 方法通常依賴於靜態數據摘要和批處理，難以應對頻繁變化的資訊。Graphiti 透過追蹤事實隨時間的變化，而非僅僅儲存靜態文件塊，解決了 AI Agent 需要維持連貫且不斷演進的世界觀的需求。

工作原理

Graphiti 構建了一個由實體（節點）、事實/關係（邊）和事件（原始數據源）組成的時序上下文圖。與靜態圖不同，它使用時間有效性窗口來追蹤事實何時變為真，以及何時被取代。它支援增量數據更新，這意味著隨著新資訊的攝入，圖會即時演進，而無需進行完整的重新計算。它還使用混合檢索，結合了語義嵌入、關鍵字搜尋和圖遍歷。

適用對象

專為構建互動式、上下文感知型 AI 應用以及需要豐富結構化記憶和查詢歷史上下文能力的生產級 AI Agent 的開發者而設計。

亮點

• 時序事實管理： 追蹤事實隨時間變化的有效性，允許查詢當前的事實與過去的事實。
• 溯源： 每個派生事實都可以追溯到其原始數據（事件）。
• 混合檢索： 結合語義、關鍵字和基於圖的搜尋，實現高精度查詢。
• 增量構建： 無需批量重新計算即可立即整合新數據。
• 靈活的本體論： 支援開發者定義的模式（透過 Pydantic）以及從數據中學習到的結構。