Graphiti-构建用于AI代理的实时知识图谱

推荐语

Graphiti框架，为AI代理打造动态知识图谱，开启交互式AI应用新篇章。

核心内容：
1. Graphiti框架的核心功能与应用场景
2. Graphiti与传统RAG方法的区别及优势
3. Graphiti在Zep AI代理记忆层中的应用与开源意义

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

⭐小贴士

查看Graphiti的新MCP服务器^[1]！为Claude、Cursor和其他MCP客户端提供强大的基于知识图谱的记忆功能。

Graphiti简介

Graphiti是一个构建和查询时间感知知识图谱的框架，专门为在动态环境中运行的AI代理量身定制。与传统的检索增强生成（RAG）方法不同，Graphiti不断将用户交互、结构化和非结构化的企业数据以及外部信息整合到一个连贯的、可查询的图谱中。该框架支持增量数据更新、高效检索和精确的历史查询，而无需重新计算整个图谱，使其非常适合开发交互式、上下文感知的AI应用。

使用Graphiti，您可以：

•集成并维护动态的用户交互和业务数据。•促进基于状态的推理和任务自动化。•使用语义、关键词和基于图谱的搜索方法查询复杂且不断发展的数据。

知识图谱是一个由互联事实构成的网络，例如“Kendra喜欢Adidas鞋子”。每个事实都是一个由两个实体或节点（“Kendra”，“Adidas鞋子”）以及它们的关系或边（“喜欢”）组成的“三元组”。知识图谱在信息检索中已经得到了广泛的探索。Graphiti的独特之处在于，它能够在处理变化关系并保持历史上下文的同时，自动构建一个知识图谱。

Graphiti与Zep记忆

Graphiti为Zep的AI代理记忆层提供核心支持。

通过使用Graphiti，我们证明了Zep是AI代理记忆领域的最先进技术^[2]。

阅读我们的论文：Zep: 一种用于代理记忆的时间知识图谱架构^[3]。

我们很高兴开源Graphiti，并相信它的潜力远超AI记忆应用。

Agent Memory" class="rich_pages wxw-img" data-imgfileid="100000766" data-type="png" style="height: auto !important;" data-ratio="0.42962962962962964" data-w="1080" src="https://api.ibos.cn/v4/weapparticle/accesswximg?aid=110728&url=aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9LNTlSWlAyYkhpYUR1VjFFYkx6UFloOWdVeTEzNmFVZEZzSENnMHhQd1BuTHBEalhsTDB5dllaMW01TGMwYW5HdlZoWm5zSUtVTlQ1UXlGQ2FzaWJlUEh3LzY0MD93eF9mbXQ9cG5nJmFtcA==;from=appmsg">

为什么选择Graphiti？

传统的RAG方法通常依赖于批处理和静态数据摘要，这使得它们在处理频繁变化的数据时效率较低。Graphiti通过提供以下功能来解决这些挑战：

•实时增量更新：无需批量重新计算，能够即时集成新的数据片段。•双时间模型：明确跟踪事件发生和摄取的时间，允许进行精确的时间点查询。•高效的混合检索：结合语义嵌入、关键词检索（BM25）和图遍历，实现低延迟查询，而无需依赖LLM摘要。•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：通过并行处理高效管理大数据集，适用于企业环境。

Graphiti 和GraphRAG的区别

Graphiti专门设计用于解决动态和频繁更新的数据集所面临的挑战，使其特别适用于需要实时交互和精确历史查询的应用。

安装

系统要求：

•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LLM推理和嵌入）

重要提示

Graphiti 最适用于支持结构化输出的LLM服务（如 OpenAI 和 Gemini）。使用其他服务可能会导致输出模式错误和数据摄取失败。尤其是在使用较小模型时，这个问题更加明显。

可选项：

•Google Gemini、Anthropic 或 Groq API 密钥（用于其他LLM提供商）

小贴士

安装 Neo4j 的最简单方法是通过 Neo4j Desktop^[4]。它提供了一个用户友好的界面来管理 Neo4j 实例和数据库。

安装 Graphiti

pip install graphiti-core

或者

poetry add graphiti-core

您还可以安装可选的 LLM 提供商作为附加功能：

# 安装支持 Anthropic 的版本pip install graphiti-core[anthropic]
# 安装支持 Groq 的版本pip install graphiti-core[groq]
# 安装支持 Google Gemini 的版本pip install graphiti-core[google-genai]
# 安装多个提供商支持pip install graphiti-core[anthropic,groq,google-genai]

快速开始

重要提示

Graphiti 使用 OpenAI 进行LLM推理和嵌入。确保在您的环境中设置了 OPENAI_API_KEY。也支持 Anthropic 和 Groq 的LLM推理。其他LLM提供商也可以通过兼容 OpenAI 的 API 进行支持。

要查看完整的工作示例，请参见 examples 目录中的 Quickstart 示例^[5]。该示例展示了：

1.连接到 Neo4j 数据库2.初始化 Graphiti 索引和约束3.向图谱中添加事件（包括文本和结构化 JSON）4.使用混合搜索查找关系（边）5.使用图距离重新排序搜索结果6.使用预定义搜索配方查找节点

该示例有完整文档，清晰解释每项功能，并包含详细的 README，提供了设置说明和后续步骤。

MCP 服务器

mcp_server 目录包含 Graphiti 的模型上下文协议（MCP）服务器实现。该服务器允许 AI 助手通过 MCP 协议与 Graphiti 的知识图谱功能进行交互。

MCP 服务器的关键功能包括：

•事件管理（添加、检索、删除）•实体管理和关系处理•语义和混合搜索功能•用于组织相关数据的组管理•图谱维护操作

MCP 服务器可以使用 Docker 和 Neo4j 部署，使得将 Graphiti 集成到您的 AI 助手工作流中变得更加简便。

有关详细的设置说明和使用示例，请参见 MCP 服务器的 README 文件^[6]。

REST 服务

server 目录包含与 Graphiti API 交互的 API 服务。该服务是使用 FastAPI 构建的。

更多信息，请参见服务器的 README 文件。

可选环境变量

除了 Neo4j 和兼容 OpenAI 的凭证外，Graphiti 还具有一些可选的环境变量。如果您使用的是我们支持的模型，如 Anthropic 或 Voyage 模型，必须设置必要的环境变量。

•USE_PARALLEL_RUNTIME 是一个可选的布尔变量，如果您希望为我们的多个搜索查询启用 Neo4j 的并行运行时功能，可以将其设置为 true。请注意，该功能不支持 Neo4j 社区版或较小的 AuraDB 实例，因此默认情况下该功能是关闭的。

使用 Graphiti 与 Azure OpenAI

Graphiti 支持 Azure OpenAI 进行 LLM 推理和嵌入。要使用 Azure OpenAI，您需要使用您的 Azure OpenAI 凭证配置 LLM 客户端和嵌入器。

from openai importAsyncAzureOpenAIfrom graphiti_core importGraphitifrom graphiti_core.llm_client importOpenAIClientfrom graphiti_core.embedder.openai importOpenAIEmbedder,OpenAIEmbedderConfigfrom graphiti_core.cross_encoder.openai_reranker_client importOpenAIRerankerClient
# Azure OpenAI 配置api_key ="<your-api-key>"api_version ="<your-api-version>"azure_endpoint ="<your-azure-endpoint>"
# 创建 Azure OpenAI 客户端用于 LLMazure_openai_client =AsyncAzureOpenAI(    api_key=api_key,    api_version=api_version,    azure_endpoint=azure_endpoint)
# 使用 Azure OpenAI 客户端初始化 Graphitigraphiti =Graphiti("bolt://localhost:7687","neo4j","password",    llm_client=OpenAIClient(        client=azure_openai_client),    embedder=OpenAIEmbedder(        config=OpenAIEmbedderConfig(            embedding_model="text-embedding-3-small"# 使用您的 Azure 部署的嵌入模型名称),        client=azure_openai_client),# 可选：使用 Azure OpenAI 配置 OpenAI 交叉编码器    cross_encoder=OpenAIRerankerClient(        client=azure_openai_client))
# 现在您可以使用 Azure OpenAI 与 Graphiti 进行集成

确保用您实际的 Azure OpenAI 凭证替换占位符值，并指定在 Azure OpenAI 服务中部署的正确嵌入模型名称。

使用 Graphiti 与 Google Gemini

Graphiti 支持 Google 的 Gemini 模型进行 LLM 推理和嵌入。要使用 Gemini，您需要使用您的 Google API 密钥配置 LLM 客户端和嵌入器。

安装 Graphiti

poetry add "graphiti-core[google-genai]"
# or
uv add "graphiti-core[google-genai]"

from graphiti_core importGraphitifrom graphiti_core.llm_client.gemini_client importGeminiClient,LLMConfigfrom graphiti_core.embedder.gemini importGeminiEmbedder,GeminiEmbedderConfig
# Google API 密钥配置api_key ="<your-google-api-key>"
# 使用 Gemini 客户端初始化 Graphitigraphiti =Graphiti("bolt://localhost:7687","neo4j","password",    llm_client=GeminiClient(        config=LLMConfig(            api_key=api_key,            model="gemini-2.0-flash")),    embedder=GeminiEmbedder(        config=GeminiEmbedderConfig(            api_key=api_key,            embedding_model="embedding-001")))
# 现在您可以使用 Google Gemini 与 Graphiti 进行集成