AI工具箱
Graphiti

Graphiti

免费
AI办公26,804 次浏览

Graphiti 是什么?

Graphiti 是由 Zep 开发的开源知识图谱框架,专为 AI Agent 设计的时间感知型图记忆系统。基于 Neo4j 图数据库构建,能自动从对话和数据中抽取实体关系,构建动态演化的知识图谱。支持时间戳管理和历史版本追踪,让 AI Agent 拥有持久化的结构化记忆能力,适合需要复杂关系推理的 AI 应用场景。

Graphiti 详细介绍

工具简介

Graphiti 是一款专为 AI Agent 设计的开源时间感知知识图谱框架,为 Agent 提供结构化的长期记忆能力。

核心功能

  • 自动知识抽取:从对话文本、文档和数据中自动识别实体和关系,构建结构化的知识图谱,无需手动标注。
  • 时间感知记忆:所有知识节点和关系都带有时间戳,支持时间范围查询和历史版本追踪,让 Agent 理解信息的时效性。
  • 增量图更新:支持对知识图谱进行增量更新,新信息自动与已有知识融合,处理实体消歧和关系冲突。
  • 语义与图混合检索:结合向量语义搜索和图结构遍历,支持复杂的多跳关系查询和上下文感知的信息检索。
  • Neo4j 生态集成:基于 Neo4j 图数据库,利用其成熟的图查询语言 Cypher 和可视化工具,降低图数据库使用门槛。
  • 适用场景

  • AI Agent 长期记忆:为聊天机器人和 AI 助手构建持久化的对话记忆,让 Agent 能记住用户偏好、历史交互和关键信息。
  • 企业知识图谱构建:从内部文档、邮件和系统数据中自动抽取实体关系,构建企业级知识图谱用于智能检索和决策支持。
  • 复杂关系推理:在金融风控、社交网络分析等需要多跳关系推理的场景中,利用图结构进行深度关联分析。
  • 快速入门

    1. 环境准备:安装 Python 3.10+ 和 Neo4j 数据库,可通过 Docker 快速启动 Neo4j 实例。

    2. 安装 SDK:通过 pip install graphiti-core 安装 Graphiti 核心库及依赖。

    3. 初始化图谱:创建 Graphiti 实例,连接 Neo4j 数据库,配置 Embedding 模型用于语义索引。

    4. 添加知识:调用 add_episode 方法传入文本数据,自动抽取实体关系并写入知识图谱。

    优缺点分析

    优点:

  • 时间感知设计独特,能追踪知识的演化和时效性,比传统向量记忆更精确。
  • 自动知识抽取能力强,减少人工标注工作量,适合大规模数据处理。
  • 基于成熟的 Neo4j 生态,图查询和可视化能力强。
  • 缺点:

  • 依赖 Neo4j 数据库,部署和运维成本比纯向量方案更高。
  • 图抽取质量受 LLM 能力影响,复杂领域可能需要人工校验。
  • 学习曲线较陡,需要了解图数据库概念和 Cypher 查询语言。
  • 适合人群

  • AI 应用开发者:构建需要长期记忆和复杂关系推理能力的 AI Agent 和聊天机器人的开发者。
  • 知识管理工程师:需要从非结构化数据中构建企业知识图谱的技术人员。
  • 数据科学家:从事图数据分析、社交网络分析和关系挖掘的研究和工程人员。
  • Graphiti 使用教程

    Graphiti入门教程:为AI Agent构建时间感知知识图谱

    入门10分钟
    Graphiti是Zep开发的开源知识图谱框架,专为AI Agent设计,能自动从对话中抽取实体关系,构建具有时间感知能力的动态图记忆系统。 一、快速开始 1. 安装Neo4j图数据库,Graphiti基于Neo4j运行,推荐使用Docker快速部署:docker run -p 7474:7474 -p 7687:7687 neo4j:latest 2. 安装Graphiti库:pip install graphiti-core 3. 配置数据库连接和LLM API密钥,在代码中初始化Graphiti客户端,传入Neo4j连接地址和大语言模型的API Key 4. 调用graphiti.add_episode()方法添加第一条数据,即可开始构建知识图谱 二、核心功能演示 功能1:自动实体关系抽取 将一段对话或文本传入Graphiti,系统会利用大语言模型自动识别其中的人物、组织、概念等实体,并推断它们之间的关系。例如输入张三是百度的AI工程师,会自动创建张三和百度两个节点,并建立任职于的关系边。 功能2:时间戳版本追踪 每次添加新信息时,Graphiti会自动记录时间戳并保留历史版本。当信息发生变化,例如张三跳槽到了腾讯,系统会保留旧关系的同时记录新状态,支持按时间线查询某个时刻的知识状态。 功能3:图谱语义搜索 支持基于自然语言的图谱查询,不需要编写Cypher语句。输入张三目前在哪里工作这样的问题,系统会在知识图谱中进行语义匹配,返回最相关的实体和关系信息。 三、实际使用案例 案例1:对话记忆系统 为AI客服或聊天助手集成Graphiti,自动将每轮对话中的关键信息抽取存入图谱。当用户再次对话时,Agent可以通过图谱检索历史上下文,实现真正有记忆的个性化交互体验。 案例2:组织关系管理 企业可以用Graphiti构建内部人员和项目的知识图谱,自动从会议记录、邮件摘要中抽取更新组织架构和项目关系,保持信息实时同步,辅助管理和决策。 四、常见问题 Q1:Graphiti和传统向量数据库有什么区别? A:向量数据库擅长相似度检索,Graphiti擅长结构化关系推理。它能回答A和B之间有什么联系这类关系查询,还能追踪关系随时间的变化,这是向量数据库难以做到的。 Q2:支持哪些大语言模型? A:支持OpenAI、Anthropic等主流模型提供商。实体抽取的质量很大程度取决于底层LLM的能力,推荐使用GPT-4或Claude级别的模型以获得最佳效果。 Q3:数据量大了会不会变慢? A:Neo4j本身对图查询做了深度优化,百万级节点规模下查询依然很快。可以通过建立合适的索引和定期清理过期数据来保持性能。 五、小贴士 1. 合理定义实体类型:在开始构建图谱前,先规划好你的业务场景需要哪些实体类型和关系类型,这能让抽取结果更准确,避免后期大量人工修正 2. 利用时间过滤功能:查询时加上时间范围参数,可以获取特定时间段内的知识快照,这在追踪项目进展或人员变动时非常实用 3. 结合向量检索使用:Graphiti可以和向量数据库配合使用,结构化关系查询用Graphiti,模糊语义搜索用向量库,两者互补能覆盖更多查询场景
    查看完整使用指南

    工具信息

    分类AI办公
    定价免费
    浏览量26,804

    用户评分

    -

    0 个评分

    相关工具推荐

    LangChain
    LangChain

    LangChain是最流行的开源LLM应用开发框架,提供标准化的接口和工具链,帮助开发者构建基于大语言模型的复杂应用。框架核心概念包括链(Chain)、代理(Agent)、记忆(Memory)和检索(Retrieval),通过模块化组合实现从简单对话到复杂推理的各类应用。LangChain支持Python和JavaScript两种语言版本,兼容OpenAI、Anthropic、本地模型等几乎所有主流LLM供应商。框架内置文档加载器、文本分割器、向量存储、工具调用等丰富组件,并提供LangSmith用于调试监控和LangGraph用于构建有状态的多步Agent工作流。LangChain已成为LLM应用开发的事实标准,拥有庞大的社区生态。

    138,622
    RAGFlow
    RAGFlow

    RAGFlow 是由 InfiniFlow 开发的开源 RAG(检索增强生成)引擎,专注于深度文档理解和精准问答。支持 PDF、Word、PPT、Excel 等多种文档格式的智能解析,内置 OCR 和版面识别能力,能准确提取表格、图片中的信息。提供可视化知识库管理和对话界面,支持与主流大模型集成,适合企业级文档问答和知识管理系统。

    81,938
    Stirling-PDF
    Stirling-PDF

    Stirling-PDF是开源的自托管PDF工具箱,基于Java和Spring Boot构建,提供超过40种PDF操作功能。用户可以通过Web界面完成PDF合并、拆分、压缩、转换、加密、水印、OCR识别等常见操作,所有处理均在本地服务器完成,文档不会上传到外部服务。Stirling-PDF支持Docker一键部署,界面简洁直观,支持多语言和暗色主题。该工具特别适合对数据安全有要求的企业和组织,能够替代多种在线PDF工具,既保护了文档隐私,又提供了强大的处理能力。项目在GitHub上拥有超过5万Star,是目前最受欢迎的开源PDF处理工具之一,采用AGPL-3.0许可证。

    80,318
    Dify
    Dify免费试用

    Dify是开源的LLMOps平台,提供可视化的AI应用开发环境,支持RAG知识库、Agent工作流、Prompt编排等核心能力。开发者可通过拖拽式界面快速构建基于大语言模型的对话应用、智能助手和自动化工作流,无需深入了解底层技术细节。Dify支持接入OpenAI、Claude、本地模型等多种LLM后端,内置向量数据库管理和文档检索功能,提供完整的API接口便于集成到现有业务系统。平台还包含应用监控、日志分析和A/B测试等运维工具,帮助企业实现AI应用的全生命周期管理。Dify采用Apache 2.0许可证,支持Docker一键部署,是目前最受欢迎的开源LLM应用开发平台之一。

    68,114