【免费下载】 Graphiti 开源项目使用教程

1. 项目介绍

Graphiti 是一个专为 AI 代理设计的构建和查询时态感知知识图的框架。它能够持续集成用户交互、结构化和非结构化企业数据以及外部信息，形成一个连贯的可查询图形。Graphiti 支持增量数据更新、高效检索和精确的历史查询，而无需完全重新计算图，这使得它非常适合开发交互式的、上下文感知的 AI 应用程序。

Graphiti 的特点包括：

• 实时增量更新：立即集成新数据片段，无需批量重算。
• 双时态数据模型：明确跟踪事件发生和摄入时间，允许准确的点时间查询。
• 高效混合检索：结合语义嵌入、关键词（BM25）和图遍历，实现低延迟查询，无需依赖 LLM 汇总。
• 自定义实体定义：通过简单的 Pydantic 模型支持灵活的本体创建和开发者定义的实体。
• 可扩展性：通过并行处理有效地管理大型数据集，适用于企业环境。

2. 项目快速启动

在开始之前，请确保您的环境中已安装以下依赖项：

• Python 3.10 或更高版本
• Neo4j 5.26 或更高版本（作为嵌入存储后端）
• OpenAI API 密钥（用于 LLM 推断和嵌入）

以下是一个快速启动 Graphiti 的示例代码：

from graphiti_core import Graphiti
from graphiti_core.nodes import EpisodeType
from datetime import datetime, timezone

# 初始化 Graphiti 作为您的内存层
graphiti = Graphiti(
    "bolt://localhost:7687",
    "neo4j",
    "password"
)

# 初始化图数据库的索引。这只需执行一次。
graphiti.build_indices_and_constraints()

# 添加数据片段
episodes = [
    "Kamala Harris 是加州的检察长。她之前是旧金山的地区检察官。",
    "作为检察长，Harris 在 2011 年 1 月 3 日至 2017 年 1 月 3 日期间的在任。"
]

for i, episode in enumerate(episodes):
    await graphiti.add_episode(
        name=f"Freakonomics Radio {i}",
        episode_body=episode,
        source=EpisodeType.text,
        source_description="播客"
    )

请确保您已经设置了环境变量 OPENAI_API_KEY。

3. 应用案例和最佳实践

应用案例

• 动态用户交互和业务数据的集成与维护
• 为代理实现基于状态推理和任务自动化
• 使用语义、关键词和图搜索方法查询复杂、演变的数据

最佳实践

• 在增量更新数据时，确保数据的一致性和准确性。
• 利用 Graphiti 提供的自定义实体定义功能，为您的特定应用场景创建灵活的本体。
• 在处理大型数据集时，利用 Graphiti 的并行处理能力以提高性能。

4. 典型生态项目

Graphiti 可以与多种类型的项目集成，以提供强大的知识图功能。以下是一些典型的生态项目示例：

• 自然语言处理（NLP）项目：使用 Graphiti 管理和查询实体关系。
• 推荐系统：集成 Graphiti 以构建用户兴趣图，提供个性化的推荐。
• 智能搜索系统：利用 Graphiti 的混合检索能力，提供更智能的搜索结果。