Home
Login

Echtzeit-Framework für den Aufbau von zeitlichen Wissensgraphen für KI-Agenten

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

Graphiti: Ein zeitreihenorientiertes Wissensgraph-Framework für KI-Agenten

Projektübersicht

Graphiti ist ein innovatives, von Zep Team Open-Source-Framework, das speziell für den Aufbau und die Abfrage von zeitreihenbewussten Wissensgraphen entwickelt wurde, insbesondere optimiert für KI-Agenten, die in dynamischen Umgebungen operieren. Das Projekt behebt die Einschränkungen traditioneller Retrieval-Augmented Generation (RAG)-Methoden bei der Verarbeitung dynamischer Daten und bietet KI-Anwendungen eine leistungsstarke Langzeitgedächtnisfähigkeit.

Kernfunktionen

1. Zeitreihenbewusstsein

Graphiti verfolgt Veränderungen von Fakten und Beziehungen im Laufe der Zeit und unterstützt zeitpunktbezogene Abfragen. Graphkanten enthalten Zeit-Metadaten, um Beziehungsänderungen aufzuzeichnen, wodurch das System die historische Entwicklung von Informationen verstehen kann.

2. Echtzeit-Dynamische Aktualisierung

Graphiti verarbeitet eingehende Daten inkrementell über eine Echtzeit-, zeitreihenbewusste Wissensgraph-Engine und aktualisiert Entitäten, Beziehungen und Communities sofort, ohne dass eine Batch-Neuberechnung erforderlich ist.

3. Hybride Suchfähigkeit

Bietet semantische Suche, BM25 und graphbasierte Suche mit Ergebnisfusionsfunktionen, um die Genauigkeit und Relevanz der Suchergebnisse sicherzustellen.

4. Multimodale Datenintegration

Graphiti integriert kontinuierlich Benutzerinteraktionen, strukturierte und unstrukturierte Daten, um eine umfassende Wissensdarstellung zu erstellen.

Technische Architektur

Wissensgraph-Engine

Graphiti basiert auf der Neo4j-Graphdatenbank und nutzt die Fähigkeiten von LLM (Large Language Models), um Entitäten, Beziehungen und Zeitreiheninformationen automatisch zu extrahieren. Das System ist in der Lage:

  • Entitäten und Beziehungen aus unstrukturiertem Text zu extrahieren
  • Zeitinformationen automatisch zu erkennen und zeitliche Beziehungen herzustellen
  • Historische Versionen und Änderungsprotokolle zu verwalten
  • Komplexe Graphabfragen und -inferenzen zu unterstützen

Zeitreihenverarbeitungsmechanismus

Ein wesentliches Unterscheidungsmerkmal von Graphiti ist die Fähigkeit, dynamische Informationsaktualisierungen durch Zeitreihenextraktion und Kanteninvalidierungsprozesse zu verwalten. Das System wird:

  • Den zeitlichen Kontext von Fakten extrahieren
  • Die Gültigkeitsdauer von Beziehungen verwalten
  • Eine vollständige Historie verwalten
  • Zeitbasierte Abfragen und Inferenzen unterstützen

Anwendungsbereiche

1. Persönliche Assistenten und Agenten

Unterstützt Assistenten, die aus Benutzerinteraktionen lernen, und integriert persönliches Wissen mit dynamischen Daten aus Geschäftssystemen wie CRM- und Abrechnungsplattformen.

2. Unternehmensanwendungen

Geeignet für Vertrieb, Kundenservice, Gesundheit, Finanzen und viele andere Bereiche, um Assistenten und Agenten langfristiges Erinnerungsvermögen und zustandsbasierte Inferenzfähigkeiten zu bieten.

3. Komplexe Aufgabenausführung

Unterstützt Agenten, die komplexe Aufgaben autonom ausführen können und in der Lage sind, auf der Grundlage von Zustandsänderungen aus mehreren dynamischen Quellen zu inferieren.

Technische Vorteile

Verbesserungen gegenüber traditionellem RAG

  • Dynamische Datenverarbeitung: Überwindet die Einschränkungen von statischem RAG bei häufigen Datenaktualisierungen
  • Kontextkontinuität: Beibehaltung des vollständigen Kontexts historischer Dialoge und Interaktionen
  • Beziehungsinferenz: Durchführung komplexer Beziehungsinferenzen auf der Grundlage der Graphstruktur
  • Zeitreihenverständnis: Verständnis der zeitlichen Dimension und des Evolutionsprozesses von Informationen

Leistung

Zep hat im Deep Memory Retrieval (DMR) Benchmark das derzeit fortschrittlichste System MemGPT übertroffen und seine überlegene Leistung im Bereich Memory Management demonstriert.

Open-Source-Ökosystem

MCP-Server-Unterstützung

Das Projekt bietet einen neuen MCP-Server, der Claude, Cursor und anderen MCP-Clients leistungsstarke, auf Wissensgraphen basierende Gedächtnisfunktionen bietet.

Community-Entwicklung

Obwohl Graphiti ursprünglich für Zep Memory entwickelt wurde, erkannte das Team sein Potenzial, das weit über Speicheranwendungen hinausgeht, und beschloss daher, es als Open Source zu veröffentlichen, in der Hoffnung, dass die Community weitere Möglichkeiten erkunden wird.

Technologiestack

  • Programmiersprache: Python
  • Graphdatenbank: Neo4j
  • KI-Modelle: Unterstützt die Integration verschiedener LLMs
  • Suchtechnologien: Semantische Suche, BM25, Graphsuche
  • Architekturmuster: Microservices, API-getrieben

Zusammenfassung

Graphiti stellt einen wichtigen Durchbruch im Bereich des KI-Gedächtnis-Managements dar. Es behebt nicht nur die Einschränkungen traditioneller Methoden, sondern bietet auch die technische Grundlage für den Aufbau wirklich intelligenter KI-Systeme mit Langzeitgedächtnisfähigkeiten. Durch die Erfassung von Zeitreihenänderungen und die Unterstützung fortschrittlicher Suchtechnologien löst es die Herausforderungen bestehender Systeme und ermöglicht es KI-Anwendungen, einen dynamischen und genauen Informationszustand aufrechtzuerhalten.