项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 32625
使用教程
环境要求
- Python 3.10 或更高版本
- 图数据库:Neo4j 5.26 / FalkorDB 1.1.2 / Kuzu 0.11.2(已弃用)/ Amazon Neptune + OpenSearch
- OpenAI API Key(默认使用 OpenAI 做 LLM 推理与向量嵌入)
- 可选:Google Gemini、Anthropic 或 Groq 的 API Key(用于替换 LLM 供应商)
安装与启动步骤
-
1安装核心库
用 pip 或 uv 安装 graphiti-core,这是 Graphiti 的 Python SDK。建议在虚拟环境中执行。
pip install graphiti-core -
2安装图数据库扩展
按你选用的后端安装对应 extra:FalkorDB、Kuzu 或 Amazon Neptune,不加 extra 则默认走 Neo4j。
pip install graphiti-core[falkordb] -
3安装可选 LLM 供应商
若不用 OpenAI,可安装 Anthropic、Groq、Gemini 等额外依赖,也可一次装多个。
pip install graphiti-core[anthropic,groq,google-genai] -
4启动 FalkorDB 容器
用 Docker 一行命令启动 FalkorDB,映射 6379(数据库)与 3000(界面)端口,适合快速试用。
docker run -p 6379:6379 -p 3000:3000 -it --rm falkordb/falkordb:latest -
5或用 Compose 启动服务
在项目根目录执行 docker compose up 启动 Neo4j;改用 FalkorDB 时加 --profile falkordb。
docker compose up docker compose --profile falkordb up -
6配置 API Key
Graphiti 默认使用 OpenAI,需在环境变量中设置 OPENAI_API_KEY,否则初始化和摄入会失败。
export OPENAI_API_KEY=sk-xxxxxxxx -
7运行快速开始示例
参照 examples/quickstart/README.md,依次完成连接数据库、初始化索引、写入 episode 与混合检索。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
OPENAI_API_KEY | 是 | OpenAI 密钥,用于默认的 LLM 推理与向量嵌入 | sk-xxxxxxxx |
graph_driver | 否 | v0.17.0 起可自定义数据库驱动并传入 Graphiti 构造函数 | graph_driver=driver |
Neo4j 数据库名 | 否 | 默认硬编码为 neo4j,在 Neo4jDriver 中设定 | neo4j |
FalkorDB 数据库名 | 否 | 默认硬编码为 default_db,在 FalkorDriver 中设定 | default_db |
如何确认成功
运行 examples/quickstart 示例,能成功连接数据库、初始化索引并完成写入与混合检索,即表示部署成功。
常见问题
Q:必须要有 OpenAI API Key 吗?
A:Graphiti 默认使用 OpenAI 做 LLM 推理和嵌入,所以需要 OPENAI_API_KEY。也可通过 Anthropic、Gemini、Groq,或 OpenAI 兼容端点(DeepSeek、Ollama、vLLM 等)替换。
Q:应该选哪个图数据库?
A:新项目推荐 Neo4j(最简单的方式是用 Neo4j Desktop 安装)或 FalkorDB;Kuzu 已弃用,未来版本会移除,仅旧项目继续使用。
Q:docker compose up 起不来怎么办?
A:确认在项目根目录执行;若要启动 FalkorDB 而非 Neo4j,需加 profile:docker compose --profile falkordb up。
Q:为什么摄入数据时报 schema 错误?
A:优先选择支持 Structured Output 的 LLM 服务(OpenAI、Anthropic、Gemini);使用不支持的服务或过小的模型容易产生错误的输出结构并导致摄入失败。
注意事项
- Kuzu 已弃用且上游不再维护,安装 kuzu extra 会触发 DeprecationWarning,新项目请勿使用。
- FalkorDB 的独立 Docker 启动命令会映射 6379 与 3000 端口,端口被占用时需自行调整。
- 自定义数据库配置需实例化 driver 并通过 graph_driver 参数传给 Graphiti(v0.17.0 起支持)。
- 主要支持通过图数据库之上的混合检索与图遍历,数据库需为 README 列出的受支持版本(如 Neo4j 5.26、FalkorDB 1.1.2)。
核心亮点
- 双时间戳图模型,支持知识时效性追踪和时序推理
- 混合检索(向量+图遍历),显著提升多跳问答准确率
- 提供MCP服务,无缝集成主流AI智能体框架
不足之处
- 文档/社区待观察
- 大规模图存储和查询性能可能成为瓶颈
适用场景
- 个人知识管理助手,动态记录用户偏好和关系
- 金融投研分析,追踪公司事件和产业链变化
- 智能客服系统,维护产品知识和用户历史交互
替代项目
Mem0、LangGraph、Neo4j
同类项目推荐
EpsteinFiles-RAG
开源
用自然语言检索海量文档,快速获得精准答案
A RAG pipeline implementation built on the 'Epstein Files 20K' dataset from Hugging ···
SurfSense
开源
一个平台聚合全网实时数据,研究效率翻倍
Air-gapped, privacy-focused, open-source NotebookLM alternative. AI agent that resea···
ansvisor
开源
一键追踪你的品牌在 AI 搜索中的曝光和提及
Open-source agentic AI Search Execution Platform. Track AI visibility, find opportun···
RAGU
开源
用图结构增强检索,让 AI 回答更懂关联关系。
[EMNLP 2026] Modular GraphRAG framework
khoj
开源
资料全丢给它,问啥都秒回,不用再翻文件夹
Your AI second brain. Self-hostable. Get answers from the web or your docs. Build cu···
swirl-search
开源
数据不用搬家,100多个应用里的资料随问随到
AI Search & RAG Without Moving Your Data. Get instant answers from your company's kn···
awesome-context-engineering
开源
给 AI Agent 配好上下文,让模型少犯错、少烧钱
A curated collection of resources, papers, tools, and best practices for Context Eng···
awesome-claude
开源
一站收齐 Claude 生态工具与资源
A curated list of awesome things related to Anthropic Claude
SearchLM
开源
让大模型自己当搜索员,越搜越准
Official code for NeurIPS2025 "Iterative Self-Incentivization Empowers Large Languag···
