graphiti

本文解释了在 Agent 记忆系统中，Jev 如何作为 Graphiti 之前的语义网关，依据应用特定的保留规则，区分持久性偏好、一次性指令和敏感信息。文章指出，只有当产品级的自定义记忆策略超出了 Graphiti 内置的抽取与溯源能力时，才需要引入 Jev。

文章拆解了智能体记忆的六种上下文类型——事实、实体、事件片段、对话线程摘要、观察和用户摘要——并指出优秀的记忆系统只存储一次历史，却以不同形式读取它。文中介绍了 Zep 及其开源时序知识图谱框架 Graphiti，它将各种上下文类型组装成智能体的固定预算上下文块。

这篇文章探讨了如何将任务分割在对话轮次中会降低代理准确性，并提出了一种使用上下文特定检索类型来保持准确性的记忆系统，其中以开源 Graphiti 引擎为例进行了实践演示。

本文解释了当前的智能体记忆系统如何存储和检索事实，但无法识别模式，并介绍了 Zep 的 Observations 功能，该功能通过分析知识图谱来得出结构性见解。

一则关于智能体记忆中模式（Schema）约束重要性的讨论，介绍了 Zep AI 的开源 Graphiti 库，该库用于构建受约束实体和关系类型的时序知识图谱。