Home
Login

إطار عمل لبناء مخططات المعرفة الزمنية في الوقت الفعلي لوكلاء الذكاء الاصطناعي

Apache-2.0Python 11.4kgetzep Last Updated: 2025-06-18

Graphiti: إطار عمل للرسم البياني المعرفي الزمني لوكلاء الذكاء الاصطناعي

نظرة عامة على المشروع

Graphiti هو إطار عمل مبتكر مفتوح المصدر من قبل فريق Zep، مصمم خصيصًا لبناء واستعلام الرسوم البيانية المعرفية المدركة للوقت، ومُحسَّن خصيصًا لوكلاء الذكاء الاصطناعي الذين يعملون في بيئات ديناميكية. يعالج هذا المشروع قيود طرق الاسترجاع المعزز بالجيل (RAG) التقليدية في التعامل مع البيانات الديناميكية، ويوفر قدرات ذاكرة طويلة الأجل قوية لتطبيقات الذكاء الاصطناعي.

الميزات الأساسية

1. القدرة على إدراك الوقت

يتتبع Graphiti التغييرات في الحقائق والعلاقات بمرور الوقت، ويدعم الاستعلامات في نقاط زمنية محددة. تتضمن حواف الرسم البياني بيانات تعريفية زمنية لتسجيل تغييرات العلاقة، مما يمكّن النظام من فهم التطور التاريخي للمعلومات.

2. تحديثات ديناميكية في الوقت الفعلي

من خلال محرك الرسم البياني المعرفي الحساس للوقت وفي الوقت الفعلي، يعالج Graphiti البيانات الواردة بشكل تدريجي، ويقوم بتحديث الكيانات والعلاقات والمجتمعات على الفور، دون الحاجة إلى إعادة حسابات مجمعة.

3. قدرات البحث المختلط

يوفر البحث الدلالي و BM25 والبحث القائم على الرسم البياني، مع القدرة على دمج النتائج، مما يضمن دقة وملاءمة نتائج الاسترجاع.

4. تكامل البيانات متعددة الوسائط

يقوم Graphiti باستمرار بدمج تفاعلات المستخدم والبيانات المنظمة وغير المنظمة، لبناء تمثيل معرفي شامل.

البنية التقنية

محرك الرسم البياني المعرفي

يعتمد Graphiti على قاعدة بيانات الرسم البياني Neo4j، ويستفيد من قدرات LLM (نماذج اللغة الكبيرة) لاستخراج الكيانات والعلاقات والمعلومات الزمنية تلقائيًا. النظام قادر على:

  • استخراج الكيانات والعلاقات من النصوص غير المنظمة
  • التعرف تلقائيًا على المعلومات الزمنية وإنشاء علاقات زمنية
  • الحفاظ على الإصدارات التاريخية وسجلات التغيير
  • دعم استعلامات الرسم البياني المعقدة والاستدلال

آلية المعالجة الزمنية

تتمثل إحدى الميزات المميزة الرئيسية لـ Graphiti في قدرته على إدارة تحديثات المعلومات الديناميكية من خلال استخراج الوقت وعمليات إبطال الحواف. سيقوم النظام بما يلي:

  • استخراج معلومات السياق الزمني للحقائق
  • إدارة أوقات بدء وانتهاء صلاحية العلاقات
  • الحفاظ على مسار تاريخي كامل
  • دعم الاستعلام والاستدلال المستند إلى الوقت

سيناريوهات التطبيق

1. المساعدون الشخصيون والوكلاء الأذكياء

يدعم المساعدين الذين يتعلمون من تفاعلات المستخدم، ويدمجون المعرفة الشخصية مع البيانات الديناميكية من أنظمة الأعمال مثل CRM ومنصات الفوترة.

2. تطبيقات على مستوى المؤسسات

مناسب للمبيعات وخدمة العملاء والصحة والمالية والعديد من المجالات الأخرى، مما يوفر للمساعدين والوكلاء الأذكياء استرجاعًا طويل الأجل وقدرات استدلال قائمة على الحالة.

3. تنفيذ المهام المعقدة

يدعم الوكلاء الأذكياء الذين ينفذون المهام المعقدة بشكل مستقل، والقادرين على الاستدلال بناءً على تغييرات الحالة من مصادر ديناميكية متعددة.

المزايا التقنية

تحسينات مقارنة بـ RAG التقليدية

  • معالجة البيانات الديناميكية: التغلب على قيود RAG الثابتة في تحديثات البيانات المتكررة
  • استمرارية السياق: الحفاظ على السياق الكامل للمحادثات والتفاعلات التاريخية
  • الاستدلال العلائقي: إجراء استدلال علائقي معقد بناءً على هيكل الرسم البياني
  • الفهم الزمني: فهم البعد الزمني للمعلومات وعملية التطور

أداء

تفوقت Zep على أحدث نظام MemGPT في معيار استرجاع الذاكرة العميقة (DMR)، مما يدل على أدائها المتفوق في إدارة الذاكرة.

النظام البيئي مفتوح المصدر

دعم خادم MCP

يوفر المشروع خادم MCP جديدًا، لتزويد Claude و Cursor وعملاء MCP الآخرين بقدرات ذاكرة قوية قائمة على الرسم البياني المعرفي.

تطوير المجتمع

على الرغم من أن Graphiti تم تطويره في الأصل لـ Zep Memory، إلا أن الفريق أدرك إمكاناته التي تتجاوز تطبيقات الذاكرة، لذلك قرر جعله مفتوح المصدر، على أمل أن يستكشف المجتمع المزيد من الاحتمالات.

المكدس التقني

  • لغة البرمجة: Python
  • قاعدة بيانات الرسم البياني: Neo4j
  • نماذج الذكاء الاصطناعي: يدعم تكامل LLM متعددة
  • تقنيات البحث: البحث الدلالي، BM25، البحث في الرسم البياني
  • نمط البنية: الخدمات المصغرة، مدفوعة بواجهة برمجة التطبيقات

ملخص

يمثل Graphiti اختراقًا مهمًا في مجال إدارة ذاكرة الذكاء الاصطناعي، فهو لا يحل قيود الطرق التقليدية فحسب، بل يوفر أيضًا الأساس التكنولوجي لبناء أنظمة ذكاء اصطناعي ذكية حقًا ولديها قدرات ذاكرة طويلة الأجل. من خلال التقاط التغييرات الزمنية ودعم تقنيات البحث المتقدمة، فإنه يعالج التحديات التي تواجهها الأنظمة الحالية، مما يمكّن تطبيقات الذكاء الاصطناعي من الحفاظ على حالة معلومات ديناميكية ودقيقة.