پروفایل پروژه
Graphiti
Graphiti برای تیمهایی مناسب است که حافظه را به شکل structured و زمانمند میخواهند. این پروژه نه یک vector database عمومی است، نه یک full agent runtime و نه یک RAG framework استاندارد. ارزش اصلی آن در مدلکردن episodeها، حفظ provenance، نگهداری تغییرات زمانی و query روی context graph است.
getzep/graphiti
پروفایل مستقل برای بررسی پروژه، نه مقاله و نه داشبورد ابزار.
سیگنالهای سریع
خلاصهٔ فوری
framework برای temporal knowledge graph memory در AI agents
نمای پروژه
نمای پروژه
چیست
framework برای temporal knowledge graph memory در AI agents
نیست
نه vector database، نه full agent runtime، نه RAG framework عمومی
مناسب برای
مناسب براینامناسب برای
نامناسب برایسلامت GitHub
سلامت GitHub
Snapshot دستی از مخزن رسمی GitHub برای سنجش مقیاس و فعالیت پروژه؛ این اعداد با زمان تغییر میکنند.
سطح معماری
سطح معماری
ماتریس توانمندی Agent
ماتریس توانمندی Agent
graph زمانی برای reasoning روی history و تغییرات مناسب است.
منشأ facts و context در ساختار حفظ میشود.
retrieval فقط vector-based نیست و traversal را هم پوشش میدهد.
Graphiti agent loop را اجرا نمیکند.
در retrieval-aware workflows مفید است، اما RAG framework عمومی نیست.
جریان اجرا
جریان اجرا / Runtime
interactionها و eventها را به episodeهای قابلتحلیل تبدیل کن.
entityها، relationshipها و factها را از episodeها بیرون بکش.
factها را با زمان و provenance در context graph قرار بده.
برای context augmentation از retrieval ترکیبی استفاده کن.
با دادههای جدید، graph را incrementally update کن.
ماتریس تناسب
ماتریس تناسب
برای حافظهٔ ساختیافته و history-aware در production مناسب است.
ontology و fact schema را از ابتدا مشخص کن.
به اپلیکیشنهای LLM context graph پایدار میدهد.
source of truth برای eventها را تعریف کن.
retrieval را تقویت میکند، اما هستهٔ آن RAG pipeline عمومی نیست.
اگر فقط indexing و chunk retrieval میخواهی، ابزار سبکتر انتخاب کن.
برای آزمایش روی memory semantics و graph reasoning مناسب است.
metricهای کیفیت memory را قبل از آزمایش تعریف کن.
رادار ریسک
رادار ریسک
اگر ontology و fact model ضعیف باشد، graph بهسختی قابلاستفاده میشود.
اگر boundary بین episode، entity و fact روشن نباشد، کیفیت memory افت میکند.
structured memory معمولاً هزینهٔ طراحی و نگهداری بیشتری نسبت به storage ساده دارد.
ممکن است اشتباهاً بهعنوان agent runtime یا orchestrator خوانده شود.
شواهد
شواهد
صفحهٔ رسمی Graphiti در help.getzep.com برای overview و مفاهیم اصلی.
مشاهده منبعمخزن رسمی پروژه و مرجع کد منبع.
مشاهده منبعراهنمای شروع رسمی برای راهاندازی Graphiti.
مشاهده منبعمستند رسمی برای query و retrieval روی context graph.
مشاهده منبعمستند رسمی برای ingest و افزودن episodeها.
مشاهده منبعارزش یادگیری
ارزش یادگیری
منابع مرتبط / ابزارها
منابع مرتبط / ابزارها
Project Fit
مناسب چه پروژههایی است؟
این ابزار برای چه پروژههایی مناسب است
Graphiti برای memory graph و knowledge graph مناسب است
وقتی رابطهها، رویدادها و context زمانی مهم هستند، Graphiti خوب جواب میدهد. برای agentهای تحقیق، دانش سازمانی و RAG پیشرفته گزینه مناسبی است.
Audience
به درد چه کسانی میخورد؟
Use Cases
به درد چه پروژههایی میخورد؟
برای ذخیره رابطهها و موجودیتها.
برای نگهداشتن منابع و اتصال مفاهیم.
برای ثبت رخدادها و ریشهیابی.
برای تقویت retrieval با graph context.
برای دنبالکردن موجودیتها در زمان.
برای دیدن ارتباطها به شکل قابل فهم.
Fit
میزان تناسب با پروژهها
Flow
چطور ساده پیادهسازی میشود؟
Requirements
حداقل پیشنیازها
Good Fit
چه زمانی انتخاب خوبی است؟
Bad Fit
چه زمانی انتخاب خوبی نیست؟
Example
نمونه تصمیم واقعی
برای یک research assistant، Graphiti میتواند منابع، موجودیتها و ارتباطها را نگه دارد تا پاسخها به knowledge graph متکی شوند.