用途：Graphiti 是面向 AI 智能体的记忆层技能，用实时时序知识图谱保存和查询智能体交互中产生的事实，适合需要随时间演进、可追溯的长期记忆场景。
主要能力：支持以 episode 形式增量写入文本、消息或 JSON，无需批量重算；采用双时间模型，同时记录事件时间与写入时间，并在出现矛盾时使边失效；检索为混合模式，结合语义检索、BM25 与图遍历，并支持重排器；可通过 Pydantic 模型自定义实体与边类型；后端支持 Neo4j、FalkorDB（含嵌入式 falkordblite）、Kuzu、Amazon Neptune，并附带 MCP 服务器。
使用方式：安装命令为 pip install graphiti-core，可选 extras 包括 [falkordb]、[kuzu]、[neptune]、[anthropic]、[google-genai] 等。核心 API 示例：from graphiti_core import Graphiti；graphiti = Graphiti("bolt://localhost:7687", "neo4j", "password")；await graphiti.build_indices_and_constraints()；await graphiti.add_episode(name="conv-1", episode_body="Alice moved to Paris", source_description="chat")；results = await graphiti.search("Where does Alice live?")。使用前需确认 Python 环境，并按安装说明选择包管理器；模型提供方与 API 密钥应安全配置。
适用场景：作为图即记忆服务，智能体写入 episode 并查询事实，社区可对实体聚类，也是 Zep 托管记忆的底层能力之一。
限制与说明：资料未提供具体收费、价格、性能指标或平台支持细节；与 mem0、普通 RAG 等方案存在定位差异，前者偏抽取流水线，后者无时间模型。执行 AI 生成代码时建议使用沙箱或权限隔离。参考链接：https://github.com/getzep/graphiti 与 https://help.getzep.com/graphiti。