嘿，先聊聊为啥会提到 Graphiti

说实话，我Zui近在玩儿一个叫 Graphiti 的开源框架，真的挺有意思的。

哈哈，这玩意儿专门给 AI 代理设计的，Neng把知识图谱Zuo成实时geng新的。

你想啊，普通的知识图谱就像一本老旧的百科全书，翻来覆去dou是同样的内容。

而 Graphiti 则像是你的私人助理，刚刚听到用户说了什么就立马把信息塞进记忆里。

不对不对，应该说它Neng把“事件”当作节点，把“关系”当作边，然后配上时间戳。

所以啊，咱们说它是“时序感知”知识图谱一点也不夸张。

快速上手：先弄个实例出来

先装包吧，直接 pip install graphiti‑core 就行。

然后在代码里搞个实例：

from graphiti_core import Graphiti
from graphiti_core.llm_client.config import LLMConfig
llm_cfg = LLMConfig(
    api_key="YOUR_API_KEY",
    model="gpt-4o",
    base_url="https://api.openai.com/v1"
)
graph = Graphiti(
    bolt_uri="bolt://localhost:7687",
    username="neo4j",
    password="your_password",
    llm_client_cfg=llm_cfg
)

别忘了初始化索引和约束，这一步hen关键，不然查询慢得像蜗牛。

await graph.build_indices_and_constraints
print

怎么往图里喂数据？—— Episode 那点事儿

Graphiti 把每条信息叫Zuo Episode，你Ke以是文本，也Ke以是 JSON。

比如一个客服对话：

await graph.add_episode(
    name="客服对话_001",
    episode_body=(
        "用户：我的鞋子刚穿两天就开胶了。"
        "客服：抱歉，请提供订单号，我们马上处理。"
    ),
    source=EpisodeType.message,
    source_description="线上客服聊天记录",
    reference_time=datetime.now
)

再比如产品geng新，用结构化字典直接塞进去：

product_info = {
    "产品ID": "PROD2024",
    "名称": "超轻羊毛跑鞋",
    "颜色": "深灰",
    "价格": 1299,
    "库存": True,
    "geng新时间": datetime.now.isoformat
}
await graph.add_episode(
    name="产品geng新_PROD2024",
    episode_body=product_info,
    source=EpisodeType.json,
    source_description="商品库批量同步",
    reference_time=datetime.now
)

批量导入小技巧

Ru果一次性要加几千条，那就别一个个来用 add_episode_bulk geng省事儿。

episodes = 
await graph.add_episode_bulk
print

查询到底长啥样？—— 搜索 API 大揭秘

Zui常用的就是 graph.search，传入自然语言问句，它会把问题映射成向量，然后在图里找相关三元组。

results = await graph.search(
    query="哪些用户买了超轻羊毛跑鞋？",
    group_id="product_catalog"
)
for r in results:
    print

咱就是说这玩意儿比单纯的向量搜索geng精准，因为它还Neng结合实体之间的关系来推理。

限定命名空间，让多租户也Neng共存

Graphiti 用 group_id 实现命名空间隔离，同一个实例里Ke以跑多个业务线。

# 查询客服团队的数据
await graph.search
# 查询产品团队的数据
await graph.search

高级检索：混合搜索 + RRF 重排

Ru果你想要兼顾关键词匹配和语义相似度，Ke以打开 hybrid 模式：

config = SearchConfig(
   hybrid=True,
   rerank_method="RRF"
)
await graph._search

自定义实体和关系——玩转你的业务模型

默认的 EntityNode、EntityEdge Yi经够用了但有时候业务太特殊，需要自定义属性。

class ProductNode:
   def __init__:
       super.__init__
       self.brand = kwargs.get
       self.category = kwargs.get

注意别冲突哦，uuid、name 那些保留字段别随便改，否则框架会报错。

硬删除 VS 软删除

想把某条事实彻底抹掉，用 delete；Ru果只是想让它不参与检索，用 deactivate。

实战案例：移动端 AI 助手记忆库

Alice 是我Zuo的一个手机端 AI 小秘书，她需要记住用户Zui近问过的问题、购买过的商品以及日程安排。

我给她配了两个命名空间，一个叫 “user_chat”，另一个叫 “user_schedule”。

#1 把聊天记录变成 Episode

await graph.add_episode(
   name=f"chat_{msg_id}",
   episode_body={"speaker": speaker, "content": text},
   source=EpisodeType.message,
   source_description=f"聊天记录 #{msg_id}",
   reference_time=msg_time,
   group_id="user_chat"
)

#2 把日程事件塞进去

await graph.add_episode(
   name=f"event_{event_id}",
   episode_body={
       "title": title,
       "start": start_time.isoformat,
       "end": end_time.isoformat,
       "location": location
   },
   source=EpisodeType.json,
   source_description=f"日程 #{event_id}",
   reference_time=datetime.now,
   group_id="user_schedule"
)

#3 实时查询 —— “今天有什么会议？”

today_str = datetime.now.strftime
answers = await graph.search(
   query=f"{today_str} 的会议有哪些？",
   group_id="user_schedule"
)
for a in answers:
   print

SERP 小技巧：写好标题和描述提升曝光率

#标题要抓眼球：“Graphiti 实战笔记：让 AI 助手拥有实时记忆！” 这种标题直接点出痛点，容易被点击。

#描述要自然嵌入关键词："Graphiti、实时知识图谱、AI 代理、时序感知" dou要出现，但别堆砌，像朋友聊天一样顺其自然就行啦。

坑与注意事项——别踩雷啦！

a) 初始化索引忘了会导致搜索慢得像乌龟爬山。⏳

b) 给实体起名字一定要唯一，否则后面查不到准确节点。懂的懂~

c) 时间戳一定要带时区，不然跨地域查询会出奇怪结果。这个细节真的是坑爹啊…

结束语——咱们一起玩转 Graphiti 吧！

说实话，这篇笔记算是我自己摸索出来的一套套路了可Neng还有hen多细节没覆盖到，你遇到新需求随时来找我聊哈！🤣

#Zui后一句提醒：动手实验才是王道，光kan文档可学不到实战经验呀~ 加油吧，小伙伴们！ 🚀

---