【亲测免费】 Graphiti：构建实时知识图谱，赋能AI Agents

项目介绍

Graphiti 是一个专门为 AI Agents 设计的开源框架，用于构建和查询时间感知的知识图谱。它能够连续集成用户交互、结构化和非结构化的企业数据以及外部信息，形成一个连贯、可查询的图谱。Graphiti 支持增量数据更新、高效检索以及精确的历史查询，而不需要完整的图重组计算，这使得它非常适合开发交互式、上下文感知的 AI 应用程序。

项目技术分析

Graphiti 框架采用了一系列先进的技术，包括：

• 时间感知的图模型：Graphiti 通过明确跟踪事件发生和摄入时间，支持精确的点时间查询。
• 混合检索方法：它结合了语义嵌入、关键词（BM25）和图遍历，实现了低延迟查询，而无需依赖大型语言模型的总结。
• 自定义实体定义：Graphiti 支持通过简单的 Pydantic 模型创建灵活的本体和开发人员定义的实体。
• 可扩展性：Graphiti 通过并行处理，有效地管理大量数据，适用于企业环境。

项目技术应用场景

Graphiti 的核心应用场景包括：

• 动态用户交互和业务数据集成：Graphiti 能够处理用户交互和企业数据的变化，保持数据的实时更新。
• 基于状态推理和任务自动化：它支持 Agent 进行状态推理和自动化任务。
• 复杂数据的语义、关键词和图搜索：Graphiti 提供了一种高效的方法来查询复杂且不断变化的数据。

项目特点

Graphiti 与传统的检索增强生成（RAG）方法相比，具有以下显著特点：

• 实时增量更新：Graphiti 可以即时集成新的数据片段，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，支持精确的点时间查询。
• 高效的混合检索：结合语义嵌入、关键词和图遍历，实现低延迟查询。
• 自定义实体类型：Graphiti 允许开发者自定义实体类型，增加了灵活性。
• 高可扩展性：Graphiti 通过并行处理，优化了大数据集的管理。

Graphiti 与 GraphRAG 的对比

特点	GraphRAG	Graphiti
主要用途	静态文档总结	动态数据管理
数据处理	批量处理	连续增量更新
知识结构	实体集群和社区总结	情境数据、语义实体和社区
检索方法	序列化语言模型总结	混合语义、关键词和图搜索
适应性	低	高
时间处理	基本时间戳跟踪	明确双时态跟踪
矛盾处理	语言模型驱动的总结判断	时间的边无效化
查询延迟	秒到几十秒	通常低于一秒
自定义实体类型	不支持	支持
可扩展性	中等	高，优化大数据集

Graphiti 专为处理动态和频繁更新的数据集而设计，非常适合需要实时交互和精确历史查询的应用。

使用 Graphiti

Graphiti 的安装和使用相对简单。首先，确保您的系统满足以下要求：

• 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（用于语言模型推理和嵌入）

安装 Graphiti Core：

pip install graphiti-core

或者使用 Poetry：

poetry add graphiti-core

快速开始使用 Graphiti，您可以添加数据片段，然后执行搜索：

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

graphiti = Graphiti("bolt://localhost:7687", "neo4j", "password")
graphiti.build_indices_and_constraints()

episodes = [
    "Kamala Harris is the Attorney General of California. She was previously the district attorney for San Francisco.",
    "As AG, Harris was in office from January 3, 2011 – January 3, 2017"
]
for i, episode in enumerate(episodes):
    await graphiti.add_episode(
        name=f"Freakonomics Radio {i}",
        episode_body=episode,
        source=EpisodeType.text,
        source_description="podcast",
        reference_time=datetime.now(timezone.utc)
    )

results = await graphiti.search('Who was the California Attorney General?')

Graphiti 还提供了一个 API 服务和 MCP 服务器，方便与 Graphiti 知识图谱进行交互。

通过其强大的功能和灵活的设计，Graphiti 正在成为 AI 领域中构建实时知识图谱的领先选择。如果您正在寻找一种方法来提高 AI Agents 的智能和效率，Graphiti 可能是您需要的解决方案。立即开始使用 Graphiti，为您的 AI 应用程序添加实时知识图谱的能力吧！