实时知识图谱构建框架

Graphiti

Build Real-Time Knowledge Graphs for AI Agents

：星： 帮助我们接触到更多的开发人员，并发展Graphiti社区。星这个回购！

[！提示] 看看新的 Graphiti的MCP服务器！为Claude、Cursor和其他MCP客户端提供强大的功能 基于知识图谱的记忆。

Graphiti是一个用于构建和查询时间感知知识图的框架，专为AI代理量身定制 在动态环境中运行。与传统的检索增强生成（RAG）方法不同，Graphiti 持续地将用户交互、结构化和非结构化企业数据以及外部信息集成到 连贯、可查询的图。该框架支持增量数据更新、高效检索和精确的历史记录 无需完全重新计算图的查询，使其适用于开发交互式、上下文感知的人工智能 应用。

使用Graphiti可以：

• 集成和维护动态用户交互和业务数据。
• 促进代理的基于状态的推理和任务自动化。
• 使用语义、关键字和基于图的搜索方法查询复杂、不断变化的数据。

知识图谱是一个由相互关联的事实组成的网络，例如 “肯德拉喜欢阿迪达斯的鞋子。” 每个事实都是一个“三元组” 由两个实体代表，或 节点（“肯德拉”、“阿迪达斯鞋”）及其关系，或边缘（“爱”）。知识图谱已被探索 广泛用于信息检索。Graphiti的独特之处在于它能够自主构建知识图 同时处理不断变化的关系并维护历史背景。

Graphiti和Zep的上下文工程平台。

Graphiti为核心提供动力 泽普，一个用于AI代理的交钥匙上下文工程平台。美国洁普 提供代理内存、用于动态数据的图形RAG以及上下文检索和组装。

使用Graphiti，我们已经证明了Zep是 这 Agent记忆的最新进展.

阅读我们的论文： Zep：一种用于代理内存的时态知识图架构.

我们很高兴开源Graphiti，相信它的潜力远远超出了人工智能内存应用程序。

Zep vs Graphiti

何时选择

选择Zep 如果你想要一个具有安全性、性能和支持的交钥匙企业级平台。

选择图形 如果你想要一个灵活的OSS核心，并且对构建/操作周围的系统感到满意。

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，这使得它们在以下方面效率低下 频繁变化的数据。Graphiti通过提供以下服务来应对这些挑战：

• 实时增量更新： 无需批量重新计算，即可立即整合新的数据集。
• 双时态数据模型： 明确跟踪事件发生和摄入时间，实现准确的时间点 查询。
• 高效的混合检索： 结合语义嵌入、关键字（BM25）和图遍历来实现 低延迟查询，不依赖LLM摘要。
• 自定义实体定义： 通过以下方式灵活创建本体并支持开发人员定义的实体 简单的Pydantic模型。
• 可扩展性： 通过并行处理高效管理大型数据集，适用于企业环境。

Graphiti与GraphRAG

Graphiti是专门为应对动态和频繁更新的数据集的挑战而设计的，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

要求：

• Python 3.10或更高版本
• FalkorDB 1.1.2或更高版本
• GoogleGeminineneneba API密钥（Graphiti使用GoogleGemini进行LLM推理、嵌入和重新排序）

[！提示] 安装FalkorDB最简单的方法是通过Docker：

docker run -p 6379:6379 -p 3000:3000 -it --rm falkordb/falkordb:latest

安装支持FalkorDB和Google Gemini的Graphiti：

pip install graphiti-core[falkordb,google-genai]

# or with uv
uv add graphiti-core[falkordb,google-genai]

默认为低并发；LLM提供程序429速率限制错误

Graphiti的摄取管道是为高并发性而设计的。默认情况下，并发性设置为低以避免LLM 提供程序429速率限制错误。如果您发现Graphiti运行缓慢，请按照以下说明增加并发性。

并发控制由 SEMAPHORE_LIMIT 环境变量。默认情况下， SEMAPHORE_LIMIT 设置为 10 并发操作有助于防止 429 LLM提供商的速率限制错误。如果您遇到此类错误，请尝试 降低该值。

如果您的LLM提供商允许更高的吞吐量，您可以增加 SEMAPHORE_LIMIT 促进发作摄入 演出

快速开始

[！重要] Graphiti使用Google Gemini进行LLM推理、嵌入和重新排序。确保a GOOGLE_API_KEY 设置在您的 使用Graphiti之前的环境。

有关完整的工作示例，请参阅 快速入门示例 在示例目录中。 快速入门演示了：

1. 连接到FalkorDB数据库
2. 初始化Graphiti索引和约束
3. 在图表中添加剧集（文本和结构化JSON）
4. 使用混合搜索搜索关系（边）
5. 使用图距离重新排列搜索结果
6. 使用预定义的搜索配方搜索节点

该示例有完整的文档记录，对每个功能都有清晰的解释，并包括一个全面的README，其中包含 设置说明和后续步骤。

使用Docker Compose运行

您可以使用Docker Compose快速启动FalkorDB：

docker compose up

这将启动FalkorDB Docker服务和相关组件。

MCP服务器

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

MCP服务器的主要功能包括：

• 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
• 图形维护操作

MCP服务器可以使用Docker和FalkorDB进行部署，从而可以轻松地将Graphiti集成到您的AI助手中 工作流程。

有关详细的设置说明和使用示例，请参阅 MCP服务器自述文件.

REST服务

这 server 目录包含用于和Graphiti API交互的API服务。它是使用FastAPI构建的。

请查看 服务器README 了解更多信息。

环境变量

Graphiti需要以下环境变量：

• GOOGLE_API_KEY：您的Google Gemini API密钥（LLM推理、嵌入和重新排序所需）

数据库配置

FalkorDB配置可以通过实例化数据库驱动程序并将其传递给Graphiti构造函数来定制：

from graphiti_core import Graphiti
from graphiti_core.driver.falkordb_driver import FalkorDriver

# Create a FalkorDB driver with custom configuration
driver = FalkorDriver(
    host="localhost",
    port=6379,
    username="falkor_user",  # Optional
    password="falkor_password",  # Optional
    database="my_custom_graph"  # Custom database name, defaults to "default_db"
)

# Pass the driver to Graphiti
graphiti = Graphiti(graph_driver=driver)

在Google Gemini中使用Graphiti

Graphiti支持谷歌的Gemini模型，用于LLM推理、嵌入和交叉编码/重新排序。为了使用Gemini， 您需要使用Google API密钥配置LLM客户端、嵌入器和交叉编码器。

安装Graphiti：

uv add "graphiti-core[google-genai]"

# or

pip install "graphiti-core[google-genai]"

from graphiti_core import Graphiti
from graphiti_core.llm_client.gemini_client import GeminiClient, LLMConfig
from graphiti_core.embedder.gemini import GeminiEmbedder, GeminiEmbedderConfig
from graphiti_core.cross_encoder.gemini_reranker_client import GeminiRerankerClient

# Google API key configuration
api_key = "<your-google-api-key>"

# Initialize Graphiti with Gemini clients
graphiti = 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"
        )
    ),
    cross_encoder=GeminiRerankerClient(
        config=LLMConfig(
            api_key=api_key,
            model="gemini-flash-latest"
        )
    )
)

# Now you can use Graphiti with Google Gemini for all components

双子座重新登录者使用 gemini-flash-latest 默认情况下，该模型已针对 具有成本效益和低延迟的分类任务。它利用Gemini的对数概率特征对通道相关性进行排名。

文档

• 指南和API文档.
• 快速开始
• 用LangChain的LangGraph和Graphiti构建代理

遥测

Graphiti收集匿名使用统计数据，以帮助我们了解框架的使用情况，并对其进行改进 每个人。我们认为透明度很重要，所以这就是我们收集的内容及其原因。

我们收集什么

初始化Graphiti实例时，我们收集：

• 匿名标识符：随机生成的UUID存储在本地 ~/.cache/graphiti/telemetry_anon_id
• 系统信息：操作系统、Python版本和系统架构
• 图形版本：您正在使用的版本
• 配置选项:
  • LLM提供者类型（谷歌双子座）
  • 数据库后端（FalkorDB）
  • 嵌入器提供商（谷歌双子座）

我们不收集的东西

我们致力于保护您的隐私。我们 从不 收集：

• 个人信息或标识符
• API密钥或凭据
• 您的实际数据、查询或图形内容
• IP地址或主机名
• 文件路径或系统特定信息
• 来自剧集、节点或边缘的任何内容

我们为什么收集这些数据

这些信息有助于我们：

• 了解哪些配置最受欢迎，以确定支持和测试的优先级
• 确定哪些法学硕士和数据库提供商需要重点开发
• 跟踪采用模式以指导我们的路线图
• 确保跨不同Python版本和操作系统的兼容性

通过分享这些匿名信息，您可以帮助我们使Graphiti更好地服务于社区中的每个人。

查看遥测代码

遥测代码 可以在这里找到.

如何禁用遥测

遥测是 退出 并且可以随时禁用。要禁用遥测采集，请执行以下操作：

选项1：环境变量

export GRAPHITI_TELEMETRY_ENABLED=false

选项2：在shell配置文件中设置

# For bash users (~/.bashrc or ~/.bash_profile)
echo 'export GRAPHITI_TELEMETRY_ENABLED=false' >> ~/.bashrc

# For zsh users (~/.zshrc)
echo 'export GRAPHITI_TELEMETRY_ENABLED=false' >> ~/.zshrc

选项3：为特定的Python会话设置

import os

os.environ['GRAPHITI_TELEMETRY_ENABLED'] = 'false'

# Then initialize Graphiti as usual
from graphiti_core import Graphiti

graphiti = Graphiti(...)

遥测在测试运行期间自动禁用（当 pytest 被检测到）。

技术细节

• Telemetry使用PostHog进行匿名分析收集
• 所有遥测操作都设计为无声失败，它们永远不会中断您的应用程序或影响Graphiti 功能
• 匿名ID存储在本地，与任何个人信息无关

现状和路线图

Graphiti正在积极开发中。我们的目标是保持API的稳定性，同时致力于：

• [x] 支持自定义图形模式：
  • 允许开发人员在摄取剧集时提供自己定义的节点和边缘类
  • 实现针对特定用例量身定制的更灵活的知识表示
• [x] 通过更强大和可配置的选项增强检索能力
• [x] Graphiti MCP服务器
• []扩大测试覆盖范围以确保可靠性并抓住边缘情况

贡献

我们鼓励并感谢所有形式的贡献，无论是代码、文档、解决GitHub问题，还是 在Graphiti Discord频道回答问题。有关代码贡献的详细指南，请参阅 到 贡献.

支持

加入 Zep Discord服务器 然后前往 #图形 频道！