从 Ontology、Knowledge Graph 到 GraphRAG让 AI Agent 拥有真正的长期记忆能力。项目地址https://github.com/getzep/graphiti一、为什么需要 Graphiti过去一年RAGRetrieval-Augmented Generation检索增强生成成为 AI 应用开发的主流架构。典型 RAG 流程用户问题 | ↓ Embedding 模型 | ↓ Vector Database | ↓ 检索相关文档 | ↓ LLM 生成答案这种方式解决了AI 不知道知识怎么办但是随着 AI Agent 的发展一个新的问题出现AI 不仅需要知道知识还需要理解知识之间的关系以及这些关系如何随着时间变化。例如用户告诉 AI2025 年 我在 A 公司工作。 2026 年 我加入了 B 公司。普通 RAG 可能保存王仕宇 → 工作于 → A 公司 王仕宇 → 工作于 → B 公司但是 AI 不知道哪个是当前状态哪个是历史状态什么时候发生变化这就是传统 RAG 的不足。二、Graphiti 是什么Graphiti 是 Zep 开源的一个Temporal Knowledge Graph时序知识图谱框架。它专门用于AI Agent MemoryKnowledge GraphGraphRAGContext Graph简单理解传统知识图谱A ----关系---- BGraphitiA ----关系---- B | 时间它不仅记录两个实体有什么关系。还记录这个关系什么时候成立什么时候失效。三、Graphiti 整体架构整体流程用户数据 | | ---------------------------- | | | 对话 文档 业务数据 | | | ---------------------------- | ↓ Episode | ↓ 实体 / 关系 / 事实抽取 | ↓ Temporal Knowledge Graph | ------------------- | | ↓ ↓ Agent Memory Graph Search | ↓ AI Agent四、Graphiti 核心概念1. Entity实体实体代表现实世界中的对象。例如用户 王仕宇 项目 ShiyuAdmin 公司 JavaPub形成王仕宇 | | 创建 ↓ ShiyuAdmin2. Relationship关系实体之间存在连接。例如王仕宇 | | 开发 ↓ AI 项目关系developer_of3. Episode事件Episode 是 Graphiti 中非常重要的概念。可以理解为一次进入系统的信息。例如用户我最近开始学习 Solana。形成Episode: 用户学习 Solana进一步抽取User | learn ↓ Solana4. Fact事实事实是结构化后的知识。例如原始信息张三加入 OpenAI。转换Entity: 张三 OpenAI Relation: works_at最终张三 | works_at | OpenAI五、Graphiti 最大特点时间维度传统知识图谱张三 | 北京但是现实世界会变化。例如2024张三 | 居住 | 北京2026张三 | 居住 | 上海普通系统张三 → 北京 张三 → 上海无法判断当前状态。Graphiti事实 1 张三居住北京 有效时间 2024-01 失效时间 2026-01事实 2 张三居住上海 有效时间 2026-01于是 AI 可以回答问题张三现在住哪里回答上海问题张三 2025 年住哪里回答北京六、Fact Invalidation事实失效现实世界中的知识会不断变化。例如以前用户喜欢 iPhone后来用户改用 Android普通系统喜欢 iPhone 喜欢 Android容易产生冲突。Graphiti旧事实喜欢 iPhone 状态 invalid新事实喜欢 Android 状态 active也就是说历史不会被删除而是变成过去状态。这对于用户画像CRM企业 AgentPersonal AI非常重要。七、Graphiti 与普通 RAG 的区别能力普通 RAGGraphiti数据形式文档片段图结构检索方式向量搜索图搜索语义搜索实体关系弱强时间变化不擅长核心能力历史状态困难支持Agent Memory一般强普通 RAG问题 ↓ Embedding ↓ 找到相似文本 ↓ LLMGraphiti问题 ↓ 实体识别 ↓ 关系查询 ↓ 时间过滤 ↓ 知识图谱 ↓ LLM八、Graphiti 的应用场景1. Personal AI Assistant个人 AI 助手记录用户喜欢什么 用户做过什么 用户什么时候改变想法例如过去喜欢 Mac现在使用 WindowsAgent 可以知道当前主要设备 Windows2. 企业知识 Agent企业员工 客户 订单 合同 产品 供应商形成客户 | 购买 | 产品 | 属于 | 供应商Agent 可以回答这个客户购买过什么 合同什么时候到期 当前负责人是谁3. Coding Agent未来 Coding Agent不仅知道代码。还知道为什么这样设计 以前为什么修改 哪个 Bug 曾经出现例如项目 ShiyuAdmin 历史 2026-01 增加支付模块 2026-03 替换数据库Agent 拥有项目长期记忆。九、Graphiti 技术架构简单架构LLM | | Graphiti Core | ---------------- | | Graph Database Vector | Neo4j / FalkorDBGraph Database保存实体 关系 时间 历史Vector保存语义信息结合形成Hybrid Search十、Graphiti MCPGraphiti 支持 MCP。可以连接Claude DesktopCursorAI Agent架构Cursor | MCP | Graphiti | Knowledge Graph未来AI 编程助手可以知道项目历史 技术决策 架构变化 Bug 记录而不仅仅读取当前代码。十一、Graphiti 与 Ontology 的关系Ontology定义世界有什么东西 东西之间有什么关系例如User Order Product PaymentGraphiti维护这些东西当前是什么状态 过去是什么状态关系Ontology 定义世界模型 ↓ Graphiti 维护动态世界状态 ↓ Agent 基于世界模型行动十二、未来 AI Agent 架构未来 Agent 可能是AI Agent | ---------------------------- | | | Tools Memory Ontology | Knowledge Graph | Business Data其中Ontology负责理解世界Knowledge Graph负责连接世界Graphiti负责记录世界变化Agent负责执行行动十三、总结Graphiti 最大价值不是又一个知识图谱工具。而是给 AI Agent 提供一个能够持续变化、理解历史、维护关系的长期记忆系统。未来 AI 不应该只是读取文档而应该理解世界 记住变化 建立关系 持续成长技术路线Ontology ↓ Knowledge Graph ↓ Temporal Knowledge Graph ↓ GraphRAG ↓ Agent Memory ↓ AI AgentGraphiti 正好处于这条路线的重要位置。现在是最好的时代。中国有全世界最高性价比的制造业有发达的网络和全球物流。只要你愿意你几乎可以买到这个世界上任何地方生产的、任何你想要的商品。你可以用很低的成本撬动全球的资源为你服务。不过真正稀缺的从来不是商品而是注意力、判断力以及把事情做成的能力。所以这是最好的时代也是最坏的时代。我是王仕宇关注 AI、Web3 与开源持续探索如何把技术做成产品把产品转化为真实价值。作者王仕宇 JavaPubhttps://javapub.net.cn/