3 步上手 Graphiti为 AI Agent 构建可查历史的时态知识图【免费下载链接】graphitiBuild Real-Time Knowledge Graphs for AI Agents项目地址: https://gitcode.com/GitHub_Trending/grap/graphitiGraphiti 是一个为 AI Agent 构建与查询时态知识图的开源框架。它把对话、文档与结构化数据持续写入一张随时间演进的图事实变化时旧版本失效但不删除解决 Agent 长期记忆易自相矛盾、难以追溯历史的问题。它凭什么值得用4 个真实痛点把聊天记录拼出来的记忆时间一长就会自相矛盾——用户上月说爱打篮球这周改口爱跑步模型要么记混要么把过期信息当真。Graphiti 给每条事实加上有效期事实成立的时间区间新旧版本都保留查现在是怎样和当时是怎样都精确新数据写入即生效不用整库重算。文档分块上的向量搜索看不懂实体之间的关系也答不了他何时换了工作。Graphiti 把文本抽成实体与带时间窗的事实检索时并行走混合检索语义向量 BM25 关键词 图遍历亚秒返回不依赖 LLM 现场汇总。业务实体五花八门通用图谱很难覆盖。用 Pydantic 模型即可定义自己的本体实体与关系的类型先把图跑起来再按数据中浮现的模式逐步收紧结构。每条实体和关系都能回溯到产生它的原始记录排错、审计、合规追溯有据可查。Graphiti 快速上手3 步跑通第一次检索环境要求Python 3.10 以上一个图数据库Neo4j 5.26、FalkorDB 或 Amazon Neptune 均可仓库根目录的 docker-compose.yml 可直接拉起 Neo4jOpenAI API Key用于 LLM 推理与向量计算也可换用 Anthropic、Gemini、Groq启动步骤获取源码git clone https://gitcode.com/GitHub_Trending/grap/graphiti安装依赖包pip install graphiti-coreFalkorDB 用户加[falkordb]后缀并在仓库根目录执行docker compose up启动数据库把 OpenAI Key 写入环境变量OPENAI_API_KEY运行下面的示例代码import asyncio from graphiti_core import Graphiti from graphiti_core.nodes import EpisodeType async def main(): g Graphiti(bolt://localhost:7687, neo4j, password) await g.build_indices_and_constraints() await g.add_episode( namepodcast-0, episode_bodyKamala Harris 是加州检察长此前任旧金山地区检察官。, sourceEpisodeType.text, ) asyncio.run(main())运行后你应当看到脚本无异常退出。若直接运行官方示例python examples/quickstart/quickstart_neo4j.py终端还会打印搜索结果——每条结果包含抽取出的事实、源/目标实体以及该事实的生效时间窗看到这些字段说明知识图已建成。落到真实场景3 个典型用法1. 给对话 Agent 装长期记忆每轮对话结束把新消息作为Episode剧情片段Graphiti 数据摄入的基本单位写入图回答前做一次混合检索把相关事实注入上下文。仓库examples/langgraph-agent/里有现成的 LangGraph 购物助手示例完整演示了写入、检索与工具调用的接法。2. 电商客服与个性化推荐把商品目录与用户的历史咨询、订单一起摄入图中既有商品-属性-品类结构也有用户-偏好-商品的带时间窗事实。客服 Agent 可结合用户最新偏好回答尺码、库存问题推荐也能说明为什么推给你。3. 持续更新的文档与数据流播客转录、公司公告这类内容按到达顺序持续写入即可。查某人 2024 年时的职务这类带时间条件的问题图直接返回当时有效的那条事实而不是最新一条。配置时最常见的坑与实用建议模型选型优先用支持 Structured Output 的模型OpenAI、Anthropic、Gemini否则抽取阶段容易解析失败小模型问题更明显。限流吞吐由环境变量SEMAPHORE_LIMIT控制默认 10。遇到 LLM 429 限流就调小确认配额充足后再调大提速。库名坑Neo4j 驱动默认连neo4j库FalkorDB 默认连default_db。报 Graph not found 时先核对库名再在驱动构造参数里显式指定database。本地验证不想装 Neo4j 时一条docker run命令即可起 FalkorDB跑 quickstart 示例最省事。溯源优先排查图里为什么是错的顺着实体回溯到原始记录最快别手动改库内数据。跑通第一次检索后Graphiti 就是一台可以持续喂养的引擎新数据写入即生效历史版本随时可查。更多接口说明、各数据库驱动的差异与 MCP 服务用法可参考仓库内的examples/quickstart/与mcp_server/README.md。【免费下载链接】graphitiBuild Real-Time Knowledge Graphs for AI Agents项目地址: https://gitcode.com/GitHub_Trending/grap/graphiti创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考