前几篇基础篇里我们聊过 mem0、Cognee 和 Letta，都是给 Agent 装长期记忆的路子。今天换第四条路线：时序知识图谱。主角是 Zep 公司开源的 Graphiti——GitHub 3.2 万星、3248 fork，Apache-2.0 协议，Python 实现，最新版 v0.30.2（2026 年 9 月 8 日发布），PyPI 包名 graphiti-core。它解决的问题很具体：Agent 的记忆不仅要知道”现在是什么”，还得记住”什么时候变成了这样”。
项目介绍：事实带时间窗，过期不删除
Graphiti 是商业产品 Zep 的开源内核。Zep 是一家旧金山公司，2023 年由 Daniel Chalef 创立，主打 Agent 上下文基础设施；商业版托管在自有云上，底层换了自研的 Context Graph Engine，官方宣称百万级上下文图检索仍能压在 200ms 以内。开源的 Graphiti 则自带图数据库，想跑多大规模自己搭。
它的核心数据结构叫 context graph（上下文图），四种成分：实体是节点，摘要是随新数据演化的；事实和关系是三元组边，每条带生效时间窗——比如”用户 2026 年 3 月起喜欢 Adidas”；Episode 是原始数据流，图里每个实体、每条边都能回溯到产生它的原始记录；最后是自定义类型，用 Pydantic 模型预先约定实体和边的形状，也可以完全让结构自己长出来。
跟传统 RAG 的差别有三点。第一，增量入库：新数据来了直接融合进图，不需要整库重算或批量摘要，这是 GraphRAG 那套批处理做不到的。第二，事实矛盾处理：新信息和旧事实冲突时，旧事实被标记失效而不是删除，图里保留完整时间线，可以问”他当时用什么手机”这种历史问题。第三，检索是三路混合：语义向量 + BM25 关键词 + 图遍历，官方称典型延迟亚秒级，而 GraphRAG 走 LLM 顺序摘要要数秒到数十秒。
成绩方面，官方论文（arXiv 2501.13956）在 MemGPT 团队建立的 DMR 基准上跑出 94.8% 对 93.4%；更贴近企业场景的 LongMemEval 上，准确率提升最高 18.5%，响应延迟降低约 90%，跨会话信息综合这类任务优势最明显。
上手：一行 Docker 起图库，pip 装核心
先起图数据库，FalkorDB 最省事：docker run -p 6379:6379 -p 3000:3000 -it --rm falkordb/falkordb:latest，或者 docker compose up 起 Neo4j。然后 pip install graphiti-core，Python 3.10 以上即可；要用嵌入式版（falkordblite，免独立数据库）得 Python 3.12+。图数据库支持 Neo4j 5.26、FalkorDB 1.1.2、亚马逊 Neptune，老熟人 Kuzu 已被官方标记弃用——上游停更了，新项目别选。
LLM 默认走 OpenAI，官方也支持 Anthropic、Gemini、Groq。对国内用户更实用的是它认 OpenAI 兼容端点：DeepSeek、OpenRouter、Ollama、vLLM、llama.cpp、LM Studio 都能接，本地模型也能当抽取引擎。但有个硬要求：模型得支持 Structured Output（结构化输出），小模型容易吐出错误 schema 导致入库失败，这点官方文档专门标了 IMPORTANT。另外抽取管线默认并发只有 10（环境变量 SEMAPHORE_LIMIT 控制），是怕把 LLM 接口刷出 429，模型提供商扛得住就往上调。
仓库里还带了一个 MCP server，把 Episode 管理、实体关系维护、语义与混合搜索都封装成 MCP 工具，Claude Code、Cursor 这类支持 MCP 的客户端可以直接读写你的上下文图。
实话：什么场景值得上，什么场景是自找麻烦
先泼冷水。其一，运维成本实打实：多养一个图数据库（Neo4j 或 FalkorDB），比 mem0 那种接个 API 就完事的方案重不少。其二，token 消耗不低，每条 Episode 都要过 LLM 抽取，聊天记录量大的应用要有心理准备。其三，94.8% 那个成绩出自自家论文，DMR 基准这两年已经接近饱和，真正有区分度的是 LongMemEval 的结果，看评测时要分清。
什么场景适合它？跨会话、长周期、事实会随时间变的场景——客服 Agent 记用户的历史工单状态、个人助理记”用户三月换了工作”这类演化事实，时序图谱的优势能兑现。反过来，一次性文档问答、知识基本不变的场景，普通向量 RAG 就够，没必要背上图数据库。
想横向对比记忆方案的话，mem0 走轻量 KV 抽取路线（基础篇在这），Cognee 也做知识图谱但侧重 ECL 流水线（见此文），Graphiti 的独门差异就是那个时间窗。三者共同的对手是”忘事”，选谁看你对”记时间线”这件事的需求有多硬。
