https://txtmix.com/tags/zep/Recent content in Zep on Text MatrixHugozh-cnTue, 21 Jul 2026 20:06:14 +0800https://txtmix.com/posts/tech/graphiti-temporal-context-graph-agent-memory-engine/Fri, 26 Jun 2026 00:00:00 +0800https://txtmix.com/posts/tech/graphiti-temporal-context-graph-agent-memory-engine/<h2 id="学习目标">学习目标</h2> <p>读完这篇，你将能：</p> <ul> <li>解释 Graphiti 真正解决的不是「更聪明的检索」而是「事实会过期、会被推翻，必须可溯源」。</li> <li>区分 Graphiti 里的四个图元素：EpisodicNode、EntityNode、EntityEdge、CommunityNode，以及它们之间的引用关系。</li> <li>用一个具体场景（用户的穿衣偏好随时间变化）走完「Episode 入图 → 抽取 → 边失效 → 混合检索」的完整链路。</li> <li>看懂 Graphiti 的混合检索其实由「三种方法 × 五种 Reranker」组合而成，并能挑出适合自己场景的预设 Recipe。</li> <li>判断 Graphiti 与 GraphRAG、与 Zep 商业版的工程边界，并决定要不要在你的 agent 里用、怎么用。</li> </ul> <h2 id="目录">目录</h2> <ul> <li><a href="#%e4%bf%a1%e6%81%af%e6%9d%a5%e6%ba%90%e7%ba%a6%e5%ae%9a" rel="">信息来源约定</a></li> <li><a href="#%e5%85%88%e7%bb%99%e5%88%a4%e6%96%ad" rel="">§1 先给判断</a></li> <li><a href="#%e5%ae%83%e8%a7%a3%e5%86%b3%e7%9a%84%e4%b8%8d%e6%98%af%e4%b8%80%e4%b8%aa%e6%a3%80%e7%b4%a2%e9%97%ae%e9%a2%98" rel="">§2 它解决的不是一个检索问题</a></li> <li><a href="#%e6%80%bb%e8%a7%88%e5%9b%begraphiti-%e7%9a%84%e5%9b%9b%e4%b8%aa%e5%9b%be%e5%85%83%e7%b4%a0" rel="">§3 总览图：Graphiti 的四个图元素</a></li> <li><a href="#%e6%9c%ba%e5%88%b6%e4%b8%80episode-%e6%98%af%e4%b8%80%e5%88%87%e7%9a%84%e8%b5%b7%e7%82%b9" rel="">§4 机制一：Episode 是一切的起点</a></li> <li><a href="#%e6%9c%ba%e5%88%b6%e4%ba%8c%e4%ba%8b%e5%ae%9e%e6%98%af%e4%b8%80%e6%9d%a1%e5%b8%a6%e8%bf%87%e6%9c%9f%e6%97%b6%e9%97%b4%e7%9a%84%e8%be%b9" rel="">§5 机制二：事实是一条带过期时间的边</a></li> <li><a href="#%e6%9c%ba%e5%88%b6%e6%9c%ba%e5%88%b6%e4%b8%89%e5%8e%bb%e9%87%8d%e4%b8%8d%e6%98%af%e5%90%88%e5%b9%b6%e5%ad%97%e7%ac%a6%e4%b8%b2" rel="">§6 机制三：去重不是「合并字符串」</a></li> <li><a href="#%e6%9c%ba%e5%88%b6%e5%9b%9b%e5%8f%af%e6%8f%92%e6%8b%94%e7%9a%84%e5%9b%9b%e4%bb%b6%e5%a5%97" rel="">§7 机制四：可插拔的四件套</a></li> <li><a href="#%e6%9c%ba%e5%88%b6%e4%ba%94%e6%b7%b7%e5%90%88%e6%a3%80%e7%b4%a2%e6%98%af35%e7%9a%84%e7%ac%9b%e5%8d%a1%e5%b0%94%e7%a7%af" rel="">§8 机制五：混合检索是「3×5」的笛卡尔积</a></li> <li><a href="#llm-%e6%8e%a5%e5%85%a5%e7%bb%93%e6%9e%84%e5%8c%96%e8%be%93%e5%87%ba%e7%9a%84%e4%b8%a4%e7%a7%8d%e6%a8%a1%e5%bc%8f" rel="">§9 LLM 接入：结构化输出的两种模式</a></li> <li><a href="#%e4%bb%bb%e5%8a%a1%e6%b5%81%e6%a1%88%e4%be%8b%e7%94%a8%e6%88%b7%e7%9a%84%e7%a9%bf%e8%a1%a3%e5%81%8f%e5%a5%bd%e9%9a%8f%e6%97%b6%e9%97%b4%e5%8f%98%e5%8c%96" rel="">§10 任务流案例：用户的穿衣偏好随时间变化</a></li> <li><a href="#vs-graphrag--vs-zep%e8%be%b9%e7%95%8c%e5%9c%a8%e5%93%aa%e9%87%8c" rel="">§11 vs GraphRAG / vs Zep：边界在哪里</a></li> <li><a href="#%e9%aa%8c%e8%af%81%e4%b8%8e%e9%99%90%e5%88%b6%e8%af%9a%e5%ae%9e%e6%8a%ab%e9%9c%b2" rel="">§12 验证与限制：诚实披露</a></li> <li><a href="#%e9%87%87%e7%94%a8%e9%a1%ba%e5%ba%8f%e4%b8%8e%e9%80%82%e7%94%a8%e8%be%b9%e7%95%8c" rel="">§13 采用顺序与适用边界</a></li> <li><a href="#%e8%87%aa%e6%b5%8b%e9%a2%98" rel="">§14 自测题</a></li> <li><a href="#%e5%b8%b8%e8%a7%81%e9%97%ae%e9%a2%98" rel="">§15 常见问题</a></li> <li><a href="#%e6%9c%af%e8%af%ad%e5%af%b9%e7%85%a7" rel="">§16 术语对照</a></li> <li><a href="#%e4%b8%80%e4%b8%aa%e5%80%bc%e5%be%97%e8%ae%b0%e4%bd%8f%e7%9a%84%e5%88%a4%e6%96%ad" rel="">§17 一个值得记住的判断</a></li> <li><a href="#%e5%8f%82%e8%80%83%e4%b8%8e%e5%bb%b6%e4%bc%b8%e9%98%85%e8%af%bb" rel="">§18 参考与延伸阅读</a></li> </ul> <h2 id="信息来源约定">信息来源约定</h2> <p>本文混合了三种来源：</p>