@_avichawla：为你的Agent构建类人记忆（开源）！每个智能体和RAG系统在实时知识方面都面临挑战……

为您的智能体构建类人记忆（开源）！

每个智能体和RAG系统都在实时知识更新和快速数据检索方面挣扎。

Graphiti通过其持续演进且具备时间感知的知识图谱解决了这些问题。

像人类一样，Graphiti将智能体的记忆组织成片段，从这些片段中提取实体及其关系，并存储在知识图谱中：

（请参考下图阅读）

• 片段子图：捕获带有时间戳的原始数据，保留每个细节以便于历史查找。
• 语义实体子图：提取实体（例如“Alice”、“Google”）和事实（“Alice在Google工作”）。所有内容都有版本控制，因此过时信息会被替换。
• 社区子图：将相关实体分组为聚类，并提供摘要以加快检索。

与MemGPT等工具相比，Graphiti的准确率最高提升18.5%，延迟降低90%。

它完全开源，拥有26,000+星标。

我已在回复中分享了仓库。

GitHub仓库：https://github.com/getzep/graphiti

（别忘了给它点星 ）

Karpathy关于强化学习的预测正在成为现实！

他认为奖励函数不可靠，并主张单一的奖励数值维度太低，无法教会智能体在复杂任务中何为“好”。为了解决这个问题，智能体需要知识引导的审查作为更高维度的反馈通道。

如今，每个主要AI实验室都在使用强化学习训练模型（OpenAI、Anthropic、DeepSeek）。

而它们的关键瓶颈始终是奖励函数。

DeepSeek的GRPO在数学和代码方面表现良好，因为环境给出了二元信号。

但对于真实智能体任务，仍然需要有人手动编写评分函数。这需要数天时间，而且每次流程变化都会失效。

RULER（在OpenPipe ART中实现，10k星标）解决了Karpathy指出的确切问题。

奖励标准用自然语言定义，LLM根据该描述评估每个轨迹，为训练提供反馈。

我使用GRPO和这个精确的工作流程训练了一个玩2048游戏的Qwen3 1.4B智能体。

在这个案例中，智能体看到棋盘，选择一个方向，RULER根据自然语言定义评估结果。

你可以在GitHub上查看完整实现并亲自尝试。

这是ART仓库：http://github.com/OpenPipe/ART

（别忘了给它点星 ）

就像RLHF取代了人工排名、GRPO取代了评论家模型一样，自然语言奖励正在取代手动编码的评分函数。

强化学习奖励工程现在变成了提示工程。

我在下面的文章中写了一篇完整指南，涵盖了从RLHF到GRPO再到RULER的LLM智能体强化学习。