graphiti

让AI智能体实时构建可追溯的知识图谱,告别静态RAG

Graphiti 是一个专为 AI 智能体设计的实时知识图谱构建引擎,解决传统 RAG 系统无法高效处理动态、时间敏感型数据的问题。它能够从非结构化数据中自动抽取实体、关系和事件,并构建包含时间维度的知识图谱,支持增量更新和时序推理。核心能力包括:基于双时间戳(有效时间和摄入时间)的图模型,可精确追踪知识演变;支持混合检索(向量+图遍历),提升事实问答的准确性和可解释性;提供 Python SDK 和 MCP 服务,便于集成到 LangChain、CrewAI 等智能体框架中。Graphiti 特别适合需要持续学习、状态记忆和复杂关系推理的智能体应用,如个人助理、金融分析等。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 31079
维护状态 活跃
是否开源
定价模式 free

项目数据

分类搜索知识
开发团队getzep
所属国家
定价模式free
价格说明开源项目,Apache-2.0 许可证,可免费使用和部署。
访问状态
是否开源
开源协议Apache-2.0
主要语言Python
技术栈/模型agents,graph,llms,rag
GitHub 星标★ 31079
30天Star增速
HF 下载量
上线时间2024-08-08 00:00:00
最近更新2026-09-22 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数1

使用教程

难度:入门 约 15 分钟 部署方式:库/依赖 7 步

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. 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. 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. 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. 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. 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. 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. 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_KEYOpenAI 密钥,用于默认的 LLM 推理与向量嵌入sk-xxxxxxxx
graph_driverv0.17.0 起可自定义数据库驱动并传入 Graphiti 构造函数graph_driver=driver
Neo4j 数据库名默认硬编码为 neo4j,在 Neo4jDriver 中设定neo4j
FalkorDB 数据库名默认硬编码为 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

项目介绍

graphiti 是搜索知识领域的开源项目,由 getzep 开发,2024 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(31,079)位列前 2%,在搜索知识分类的 581 个项目里位列前 4%。

近 44 天,它的 GitHub 星标从 29,708 增加到 31,079,净增 1,371。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。Apache-2.0 许可证,可免费使用和部署。

它主要面向的使用场景是:个人知识管理助手,动态记录用户偏好和关系。同类可对比的替代方案包括 Mem0、LangGraph、Neo4j。

上一篇:onyx

下一篇:FastGPT

同类项目推荐

firecrawl 开源

网页抓取像喝水一样简单,开发者省下整周加班

The web data API to search, scrape, and interact at scale.

★ 183325 2026-08-09
contoso-chat 开源

一键跑通 Azure RAG 应用,从代码到评估部署全流程

This sample has the full End2End process of creating RAG application with Prompty an···

★ 766 2026-08-09
graphify 开源

整个代码库画成一张图,找问题一眼定位

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···

★ 120493 2026-08-09
ragflow 开源

让大模型用上你的私有知识,搭建可靠的企业级RAG应用

RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···

★ 91170 2026-08-09