13.1K Star，超越RAG，这个AI记忆框架直接把RAG按地上摩擦了！！！

兄弟们！又发现宝藏项目了！

刚刚在GitHub上刷到这个叫Graphiti的东西，卧槽，简直是AI智能体的记忆神器啊！

不是我吹牛，这玩意儿解决了一个超级大的痛点。你们知道吗，以前那些RAG系统都是静态的，数据一变就得重新搞，效率低到爆炸。。。

但是这个Graphiti，居然能实时更新知识图谱？？？

AI智能体的记忆能力直接起飞1000%！这不是开玩笑的，是真的能做到连续增量更新。

emmm等等，我先理理思路。。。

好的，继续聊这个神器。

最变态的是双时态数据模型！不光记录事件发生时间，还追踪数据录入时间。想知道某个时间点AI知道啥，直接查就完事了。这设计思路。。。绝了！

跟微软那个GraphRAG比起来，简直是降维打击啊。GraphRAG还在搞批处理那套老古董，这边已经是毫秒级查询了。几十秒 vs 毫秒，差了好几个数量级好吗！

咦，突然想起来这个混合检索算法也挺吊的！

语义向量、关键词匹配、图遍历三管齐下，不依赖LLM总结就能低延迟查询。这种思路确实比纯靠大模型总结靠谱多了。

而且！！！支持自定义实体定义，用Pydantic模型就搞定。想要什么知识结构自己定义，这灵活性。。。爱了爱了。

不过话说回来，处理矛盾信息的方式真的很巧妙。不是简单粗暴地让LLM判断对错，而是通过时态边失效机制。老信息自动标无效，新信息覆盖旧信息，逻辑清晰得很。

技术栈支持也超级全面啊！Neo4j、FalkorDB做图数据库，OpenAI、Gemini、Anthropic这些大模型都能接。还支持本地Ollama部署，想要私有化也没问题。

对了！！！最有意思的是MCP服务器功能！

直接给Claude、Cursor这些AI助手提供知识图谱记忆？？？相当于让AI助手有了长期记忆，不再是对话结束就失忆的智障状态了。。。

emmm这个功能听起来就很香啊。

懒人上手攻略

安装超简单的说：

pip install graphiti-core

基础用法：

from graphiti_core import Graphiti

# 初始化（改个密码别用默认的）

graphiti = Graphiti(

"bolt://localhost:7687",

"neo4j",

"password"

)

# 喂数据

await graphiti.add_episode("用户买了iPhone 15")

# 搜索关系

results = await graphiti.search("iPhone购买记录")

Docker跑起来：

docker run -p 7687:7687 neo4j:latest

是不是贼简单？？？

说起来这个项目的架构设计也是个狠人做的。知识图谱、时态处理、混合检索、实体管理各个模块分离得很清楚，想定制哪个功能都很方便。

性能优化做得相当变态。并行处理、缓存机制、索引优化，大数据集处理完全扛得住。企业级应用？小意思啦。

代码质量看起来也不错，测试覆盖率在持续提升。社区活跃度挺高的，Discord频道里讨论很热烈。

说实话这种实时知识图谱思路确实颠覆了传统RAG局限性啊。让AI智能体具备真正的动态记忆能力，这对构建更智能应用意义重大。

项目还在疯狂迭代中，最近刚发布v0.17.2版本。从更新频率看，团队投入精力很足啊。

咦，突然想起来这个Graphiti背后是Zep团队搞的？？？他们专门做AI记忆层的，从学术研究到工程实现基础都很扎实。项目靠谱程度应该挺高。

emmm不过我有点好奇，这种实时更新会不会有性能瓶颈？毕竟知识图谱越来越大的话。。。

算了，先用起来再说。反正开源免费，不用白不用。

而且这种记忆能力确实是刚需啊。现在的AI助手对话结束就失忆，体验真的很糟糕。有了这个框架，终于能让AI记住之前聊过的内容了。

对了，这个项目好像还在快速发展中，功能迭代很频繁。说不定过段时间就有更牛逼的特性了。

不管怎么说，这绝对是今年最值得关注的AI基础设施项目之一！没用过的兄弟赶紧去试试，用了就知道多香了。

项目地址：https://github.com/getzep/graphiti

文章来自于“架构师修行之路”，作者“菜菜”。