gbrain、GraphRAG、LLM Wiki、Graphify:4 种知识图谱方案怎么选
「怎么给 Agent 喂知识」是团队落地 AI 时的核心问题。gbrain、GraphRAG、LLM Wiki、Graphify 四个方案各自解决不同的需求。
向量检索的短板
传统 RAG 的做法:文档切块,向量化,塞进向量库,问问题取 top-k。
这方法对简单问答够用,但有个硬伤:只能找到语义相近的内容,理解不了文档之间的关系。
你问「这个需求跟之前哪个模块有关联」,向量检索答不了。知识图谱把实体和关系存成图结构,Agent 能顺着关系推理。
四个方案
| 方案 | 核心思路 | 数据来源 | 官方链接 |
|---|---|---|---|
| gbrain | Git + Postgres 做持久化知识图谱 | 人工录入 + Agent 自动更新 | github.com/garrytan/gbrain |
| GraphRAG | 知识图谱 + RAG 检索增强 | 文档自动提取图谱 | microsoft.github.io/graphrag |
| LLM Wiki | LLM 维护的 Markdown 知识库 | 人工维护 + LLM 增量更新 | github.com/nashsu/llm_wiki |
| Graphify | 从代码库自动生成知识图谱 | 代码静态分析 + 语义提取 | graphify.net |
gbrain:Agent 的持久化记忆
gbrain 是 Garry Tan 开源的方案,最初为 OpenClaw 设计的 Agent 记忆层。
用 Postgres 存图结构,Git 做版本控制。Agent 学到新知识就写入图谱,Git 提交记录变更。
1Agent 对话 → 提取实体和关系 → 写入 Postgres → Git commit 记录变更
特点:
- Agent 跨对话不丢上下文
- Git 版本控制天然支持回滚
- 跟 OpenClaw 生态集成紧密,脱离 OpenClaw 使用成本较高
成本:
- 需要部署 Postgres
- 图谱初始化需手动完成,历史数据迁移成本较高
适合多 Agent 协作需要共享记…
— 以上为试看内容(约 40%),开通会员后阅读全文 —