很多 agent memory 的问题不是检索不到而是把已经变化的事实继续当成当前事实。Graphiti 的切入点是 temporal context graph把实体、关系和事实放进图里同时保留事实何时生效、何时被替代以及它来自哪个 episode。这和静态知识图谱有一个实际差别。用户偏好、订单状态、项目配置、团队成员关系都可能变化如果只做一次向量切片旧答案仍然可能因为相似度很高而被召回。Graphiti 的检索路径把语义、BM25 关键词和图遍历组合起来再把结果连接回产生它的 source node。我会先把它当成一个需要基础设施的工程组件而不是开箱即用的记忆插件。官方入口是pip install graphiti-corequickstart 还要求连接 Neo4j 或 FalkorDB、初始化 indexes 和 constraints、添加 episodes再做 hybrid search。数据库名、driver URI、LLM endpoint、embedding/cross-encoder 配置任何一项不一致都会让“记忆没更新”和“查询没结果”看起来很像同一个问题。Graphiti 也支持用 Pydantic 定义更具体的 ontology。MCP server 里可以看到 Requirement、Preference、Procedure、Location、Event、Organization、Document 等实体类型这意味着 schema 设计会影响抽取和查询不应把 ontology 当成后期装饰。我的第一次验证只做四件事在隔离环境安装依赖确认 Neo4j/FalkorDB 的连接和默认数据库名写入一个带时间线的 episode再用一个已知 source node 检查混合检索和历史版本。只有写入、查询、来源回溯和矛盾处理都能观察到才把它交给真实 agent。安装风险和权限风险先按高风险处理尤其不要把生产数据库或真实用户对话直接作为第一批测试数据。这是一个独立的 Doramagic 能力包不是 Graphiti 官方文档或背书。项目页https://doramagic.ai/zh/projects/graphiti/Human Manualhttps://doramagic.ai/zh/projects/graphiti/manual/上游https://github.com/getzep/graphiti。