Graphiti - 为 AI Agents 生成实时知识图谱
https://github.com/getzep/graphiti
Graphiti 是一个为 AI Agent 设计的实时知识图谱框架，旨在解决传统 RAG 方法在处理动态数据时的效率问题。
它能够持续整合用户交互、企业数据和外部信息，支持增量更新、高效检索和精确的历史查询，特别适用于需要实时交互和上下文感知的 AI 应用。
● 实时增量更新：Graphiti 能够即时整合新数据，无需批处理重新计算。
● 双时态数据模型：明确追踪事件发生时间和摄入时间，支持精确的时间点查询。
● 高效混合检索：结合语义嵌入、关键词搜索和图遍历，实现低延迟查询。
● 自定义实体定义：支持通过 Pydantic 模型灵活创建本体和自定义实体。
● 可扩展性：通过并行处理有效管理大型数据集，适用于企业环境。
● 与 GraphRAG 的区别：Graphiti 更适用于动态数据管理、持续增量更新和高适应性，并具有明确的双时态处理能力。
● 安装要求：需要 Python 3.10+、Neo4j 5.26+ 或 FalkorDB 1.1.2+，以及 OpenAI API 密钥（或其他支持结构化输出的 LLM 服务）。
● 支持多种 LLM 提供商：兼容 OpenAI、Azure OpenAI、Google Gemini 和 Ollama (本地 LLM)。
● MCP 服务器和 REST 服务：提供 Model Context Protocol (MCP) Server 和基于 FastAPI 的 REST API 服务，方便与 AI 助手集成。
#AI #MCP #Tool #GitHub
https://github.com/getzep/graphiti
Graphiti 是一个为 AI Agent 设计的实时知识图谱框架，旨在解决传统 RAG 方法在处理动态数据时的效率问题。
它能够持续整合用户交互、企业数据和外部信息，支持增量更新、高效检索和精确的历史查询，特别适用于需要实时交互和上下文感知的 AI 应用。
● 实时增量更新：Graphiti 能够即时整合新数据，无需批处理重新计算。
● 双时态数据模型：明确追踪事件发生时间和摄入时间，支持精确的时间点查询。
● 高效混合检索：结合语义嵌入、关键词搜索和图遍历，实现低延迟查询。
● 自定义实体定义：支持通过 Pydantic 模型灵活创建本体和自定义实体。
● 可扩展性：通过并行处理有效管理大型数据集，适用于企业环境。
● 与 GraphRAG 的区别：Graphiti 更适用于动态数据管理、持续增量更新和高适应性，并具有明确的双时态处理能力。
● 安装要求：需要 Python 3.10+、Neo4j 5.26+ 或 FalkorDB 1.1.2+，以及 OpenAI API 密钥（或其他支持结构化输出的 LLM 服务）。
● 支持多种 LLM 提供商：兼容 OpenAI、Azure OpenAI、Google Gemini 和 Ollama (本地 LLM)。
● MCP 服务器和 REST 服务：提供 Model Context Protocol (MCP) Server 和基于 FastAPI 的 REST API 服务，方便与 AI 助手集成。
#AI #MCP #Tool #GitHub
GitHub
GitHub - getzep/graphiti: Build Real-Time Knowledge Graphs for AI Agents
Build Real-Time Knowledge Graphs for AI Agents. Contribute to getzep/graphiti development by creating an account on GitHub.
