Home
Login

Framework para construção de grafos de conhecimento temporais em tempo real para agentes de IA

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

Graphiti: Framework de Grafos de Conhecimento Temporais para Agentes de IA Inteligentes

Visão Geral do Projeto

Graphiti é um framework inovador de código aberto da equipe Zep, projetado especificamente para construir e consultar grafos de conhecimento com percepção temporal, otimizado para agentes de IA que operam em ambientes dinâmicos. Este projeto resolve as limitações dos métodos tradicionais de Geração Aumentada por Recuperação (RAG) ao lidar com dados dinâmicos, fornecendo aos aplicativos de IA uma poderosa capacidade de memória de longo prazo.

Principais Características

1. Percepção Temporal

Graphiti rastreia as mudanças em fatos e relacionamentos ao longo do tempo, suportando consultas pontuais no tempo. As arestas do grafo contêm metadados de tempo para registrar as mudanças de relacionamento, o que permite que o sistema entenda a evolução histórica das informações.

2. Atualizações Dinâmicas em Tempo Real

Graphiti processa incrementalmente os dados de entrada por meio de um mecanismo de grafo de conhecimento em tempo real e com percepção temporal, atualizando instantaneamente entidades, relacionamentos e comunidades, sem a necessidade de recálculos em lote.

3. Capacidade de Busca Híbrida

Oferece busca semântica, BM25 e busca baseada em grafo, com capacidade de fusão de resultados, garantindo a precisão e relevância dos resultados da recuperação.

4. Integração de Dados Multimodais

Graphiti integra continuamente interações do usuário, dados estruturados e não estruturados, construindo uma representação abrangente do conhecimento.

Arquitetura Técnica

Mecanismo de Grafo de Conhecimento

Graphiti é construído com base no banco de dados de grafos Neo4j, utilizando as capacidades de LLM (Large Language Model - Modelo de Linguagem Grande) para extrair automaticamente entidades, relacionamentos e informações temporais. O sistema é capaz de:

  • Extrair entidades e relacionamentos de texto não estruturado
  • Identificar automaticamente informações de tempo e estabelecer relacionamentos temporais
  • Manter versões históricas e registros de alterações
  • Suportar consultas e inferências complexas de grafos

Mecanismo de Processamento Temporal

Uma característica diferenciadora fundamental do Graphiti é sua capacidade de gerenciar atualizações dinâmicas de informações por meio da extração temporal e do processo de invalidação de arestas. O sistema irá:

  • Extrair informações de contexto temporal de fatos
  • Gerenciar os tempos de início e fim dos relacionamentos
  • Manter um histórico completo
  • Suportar consultas e inferências baseadas no tempo

Casos de Uso

1. Assistentes Pessoais e Agentes Inteligentes

Suporta assistentes que aprendem com as interações do usuário, integrando conhecimento pessoal com dados dinâmicos de sistemas de negócios como CRM e plataformas de faturamento.

2. Aplicações Corporativas

Adequado para vendas, atendimento ao cliente, saúde, finanças e muitos outros campos, fornecendo aos assistentes e agentes inteligentes memória de longo prazo e capacidade de raciocínio baseado em estado.

3. Execução de Tarefas Complexas

Suporta agentes inteligentes que executam tarefas complexas de forma autônoma, capazes de raciocinar com base em mudanças de estado de múltiplas fontes dinâmicas.

Vantagens Técnicas

Melhorias em relação ao RAG Tradicional

  • Processamento de Dados Dinâmicos: Supera as limitações do RAG estático em atualizações frequentes de dados
  • Continuidade do Contexto: Mantém o contexto completo de conversas e interações históricas
  • Raciocínio Relacional: Realiza raciocínio relacional complexo com base na estrutura do grafo
  • Compreensão Temporal: Entende a dimensão temporal e a evolução das informações

Desempenho

Zep superou o sistema MemGPT, o mais avançado atualmente, no benchmark Deep Memory Retrieval (DMR), demonstrando seu desempenho superior no gerenciamento de memória.

Ecossistema de Código Aberto

Suporte ao Servidor MCP

O projeto fornece um novo servidor MCP, fornecendo aos clientes Claude, Cursor e outros clientes MCP uma poderosa capacidade de memória baseada em grafo de conhecimento.

Desenvolvimento da Comunidade

Embora o Graphiti tenha sido originalmente desenvolvido para Zep Memory, a equipe percebeu seu potencial muito além dos aplicativos de memória e, portanto, decidiu torná-lo de código aberto, esperando que a comunidade possa explorar mais possibilidades.

Stack Tecnológico

  • Linguagem de Programação: Python
  • Banco de Dados de Grafos: Neo4j
  • Modelos de IA: Suporta a integração de vários LLMs
  • Tecnologias de Busca: Busca semântica, BM25, busca em grafo
  • Padrões de Arquitetura: Microsserviços, orientado a API

Resumo

Graphiti representa um avanço significativo no campo do gerenciamento de memória de IA, não apenas resolvendo as limitações dos métodos tradicionais, mas também fornecendo a base técnica para a construção de sistemas de IA verdadeiramente inteligentes e com capacidade de memória de longo prazo. Ao capturar mudanças temporais e suportar tecnologias de busca avançadas, ele resolve os desafios enfrentados pelos sistemas existentes, permitindo que os aplicativos de IA mantenham um estado de informação dinâmico e preciso.