- 综合排序
- 最热优先
- 最新优先
基于graphiti实现nl2sql
基于graphiti实现nl2sql 前言 一、给静态大模型增加公司内部数据知识 二、基于grahiti构建数据库表结构知识库 三、搭建nl2sql agent 四、优化-基于模板的动态化提示词 总结 graphiti就是一个基于大模型构建知识图谱的开源工具。在公司项目中，采用二者结合的方式，先基于索引检索中心节点，再基于graphiti构建的知识图谱进行知识检索。 基于graphiti构建数据库表结构知识图谱示例如下： from graphiti_core import Graphiti from graphiti_core.utils.maintenance.node_operations import ( build_episodic_edges, resolve_extracted_edges, ) from graphiti_core.utils.bulk_utils import ( add_nodes_and_edges_bulk, ) from graphiti_core.nodes import EpisodeType, EpisodicNode,
14410编辑于 2026-06-15Graphiti 为 AI 智能体构建实时知识图谱
Graphiti vs. graphiti =Graphiti(graph_driver=driver) FalkorDB 自定义数据库名称 from graphiti_core importGraphiti from graphiti_core.driver.falkordb_driver graphiti =Graphiti(graph_driver=driver) Kuzu 驱动 from graphiti_core importGraphiti from graphiti_core.driver.kuzu_driver graphiti =Graphiti(graph_driver=driver) 使用 Graphiti 与 Azure OpenAI Graphiti 支持 Azure OpenAI，用于 LLM 推理和嵌入 安装 Graphiti： uv add "graphiti-core[google-genai]" 或 pip install "graphiti-core[google-genai]" from graphiti_core
94310编辑于 2026-03-13- 来自专栏cloudskyme
jbpm5.1介绍（4）
eclipse插件 需求 Eclipse的3.6或更新版本 Graphiti框架，使用更新站点 可以直接下载更新Graphiti http://download.eclipse.org/graphiti
87460发布于 2018-03-20 - 来自专栏AI进修生
10+ 个神级MCP推荐
(bro, MCP is life) 1️⃣ Graphiti MCP server AI Agent 最大的毛病之一，就是干完活就忘事儿，像金鱼一样。 Graphiti MCP 服务器就是来解决这个问题的。 它能让 Agent 自己构建和查询一个“带时间感知”的知识图谱。 说白了，就是给 Agent 装了个外置记忆体。 ，时长09:27 这 6 个 MCP 服务器的 GitHub 链接都在这里： Graphiti: github.com/getzep/graphiti Opik: github.com/comet-ml
5.4K31编辑于 2025-07-02 - 来自专栏AI进修生
盘点 9 个 数据库MCP：Supabase、Neon、PostgreSQL、SQLite、MongoDB、MindsDB。
这里还有一个知识图谱数据库的mcp，用于记忆： Graphiti MCP server AI Agent 最大的毛病之一，就是干完活就忘事儿，像金鱼一样。 Graphiti MCP 服务器就是来解决这个问题的。 它能让 Agent 自己构建和查询一个“带时间感知”的知识图谱。 说白了，就是给 Agent 装了个外置记忆体。 ，时长00:34 Graphiti: github.com/getzep/graphiti SQLite MCP 服务器 这个mcp以Cline客户端为例（Cline商店搜）： ，时长00:13 Cline
4.7K10编辑于 2025-07-02 - 来自专栏新智元
大模型「记忆断片」成历史！AI初创全新Zep系统，知识图谱破解上下文诅咒
论文链接：https://arxiv.org/pdf/2310.08560 具体来看，Zep可视为AI智能体的基本内存，由具有时间感知能力的知识图谱引擎Graphiti所驱动，可以摄入并综合结构化业务数据和非结构化的消息数据 与其他知识图引擎相比，Graphiti的一个关键不同是具有时间提取和边失效过程，从而具备了管理动态信息更新的能力。
2.8K00编辑于 2025-02-26 - 来自专栏AI Agent / 编码工具
Agent Memory 工程化落地：从玩具到生产的三阶段跃迁
Mem0（48K+GitHubstars）、Letta/MemGPT（UCBerkeley）、Zep/Graphiti（temporalKG）是三个主要玩家，但它们的架构哲学截然不同：Mem0是一个memoryservice 如果确实需要，引入Zep/Graphiti作为补充层而非替换。 集成架构很简单：在memory前面加一个QueryClassifier（few-shotprompt即可），temporalquery走Graphiti，其余走Mem0，结果融合后注入AgentContext discardRL-learned（不可控）定价自托管免费，Cloud$19-249/月自托管免费，Cloud$20+/月自托管免费需自建RL基础设施社区生态48K+stars，14M+下载学术基础深厚10K+stars（Graphiti 你的业务需要temporalreasoning（政策变更追踪、用户偏好演变、事实版本管理）→Zep/Graphiti作为补充层。
44554编辑于 2026-06-03 - 来自专栏DeepHub IMBA
为生产级 AI Agent 构建持久化记忆:五阶段流水线与四种设计模式
AWS AgentCore 把过时记忆标为 INVALID 而不是删除；Zep 的 Graphiti 开创了双时态建模——每个事实带两个时间戳，一个是它在世界中成立的时间，另一个是 Agent 获知它的时间 pgvector）——需要模糊匹配的语义事实与情景，带元数据过滤的相似度搜索，小于 50ms 知识图谱（Neo4j、Apache AGE、FalkorDB）——需要多跳遍历的实体关系，小于 100ms；Zep 的 Graphiti 模式 3 图谱记忆（Zep / Graphiti） 实体作为节点，关系作为边，沿连接链前进。 事实是带有效期窗口的边——旧偏好仍可查询，但被标记为 SUPERSEDED。
53810编辑于 2026-04-28 Auto Claude-自主的多代理编码框架
backend/.env.example apps/backend/.env 变量 必需 描述 CLAUDE_CODE_OAUTH_TOKEN 是 来自 Claude 设置的 OAuth token GRAPHITI_ENABLED
46510编辑于 2026-03-13TrustGraph：为什么说图数据库是解决 AI 幻觉的关键？
相关文章： Graphiti 为 AI 智能体构建实时知识图谱 LightRAG × Yuxi-Know——「知识检索 + 知识图谱」实践案例 轻松将文本转换为知识图谱 怎么使用 LLM 图转换器构建知识图谱
34910编辑于 2026-03-13【2025/07/15】GitHub 今日热门项目
强劲增长 ⭐ Stars: 67.3K | Forks: 19.5K | 今日新增: +457 stars ✨ 项目亮点: 今日热门 · ⭐ 明星项目 · 活跃社区 3. getzep / graphiti
9610编辑于 2026-06-16- 来自专栏DeepHub IMBA
向量存储vs知识图谱：LLM记忆系统技术选型
下图是它们的功能对比 先说Zep（或者Graphiti），基于KG的方案。它们用LLM来提取、添加、失效和更新节点（实体）以及边（带时间戳的关系）。
49410编辑于 2025-11-15 【2025/07/16】GitHub 今日热门项目
爆发式增长 ⭐ Stars: 68.1K | Forks: 19.6K | 今日新增: +545 stars ✨ 项目亮点: 今日热门 · ⭐ 明星项目 · 活跃社区 3. getzep / graphiti
8510编辑于 2026-06-16【2025/07/13】GitHub 今日热门项目
Python生态 · 机器学习友好 · 快速增长 主语言: Python | ⭐ Stars: 1.0K | Forks: 102 | 今日新增: +123 stars 12. getzep / graphiti
17910编辑于 2026-06-16【2025/07/14】GitHub 今日热门项目
主语言: Python | ⭐ Stars: 82.4K | Forks: 9.1K | 今日新增: +90 stars ✨ 项目亮点: ⭐ 明星项目 · 活跃社区 15. getzep / graphiti
13910编辑于 2026-06-16为什么说Youtu-GraphRAG 是图谱检索增强推理智能体的未来？
轻松将文本转换为知识图谱重梳理之Graph Maker 如何使用知识图谱和向量数据库实现 Graph RAG -分步教程（下篇） 如何使用知识图谱和向量数据库实现 Graph RAG -分步教程（上篇） Graphiti
29210编辑于 2026-03-13- 来自专栏DeepHub IMBA
AI Agent的三重记忆机制：打造高可用的多维记忆系统
Zep 的 Graphiti 项目将自己描述为一个构建面向 AI Agent 的时序上下文图的框架。它追踪事实如何随时间变化，维护到源数据的溯源信息，并支持预定义和自学习的本体（ontology）。 Graphiti 被描述为一个时序感知的知识图谱引擎，能够综合非结构化对话和结构化业务数据，同时维护历史关系。 这一点很重要——现实世界的事实会发生变化。 用户可能换了公司。 政策可能被替换。
1700编辑于 2026-06-24 - 来自专栏Ms08067安全实验室
深入拆解PentAGI：全栈AI自动化渗透测试平台架构解析
REST（Gin）+ WebSocket GraphQL 订阅实现实时 Agent 状态推送 数据库 PostgreSQL + pgvector 关系数据 + 向量语义搜索一体 知识图谱 Neo4j + Graphiti = tools.AgentToolType { // 非 Agent 委托类工具的调用记录写入 Graphiti 知识图谱 fp.storeToolExecutionToGraphiti 渗透测试平台的发展方向 PentAGI 的架构设计为 AI 渗透测试平台的演进提供了有益参考，未来方向包括： 更智能的任务规划：从当前的结构化子任务分解，进化为动态自适应攻击路径规划 知识图谱的深度利用：Graphiti
2000编辑于 2026-06-24 - 来自专栏AI SPPECH
深度解析与实践研究 PentAGI —— AI 驱动的渗透测试系统
2.2 知识图谱与记忆系统 系统集成了 Graphiti 知识图谱和 Neo4j 图数据库，用于存储语义关系和历史交互数据。
4.8K40编辑于 2026-02-27 轻松将文本转换为知识图谱重梳理之Graph Maker
相关文章： 如何将任何文本转换为图谱 用LLM Graph Builder构建知识图谱实战篇 基于知识图谱的RAG——如何用固定的实体架构在Knowledge Graph上进行RAG检索 Graphiti
40310编辑于 2026-03-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号