FDE 企业 AI 落地与交付 · 知识检索与问答问题 · 2026-07-01

Gbrain、GraphRAG、LLM Wiki、Graphify:4 种知识图谱方案怎么选

面对知识图谱方案选择难题,本文帮你理清四大主流工具的核心差异与适用场景。

核心内容:

  1. 传统向量检索的短板与知识图谱的优势
  2. 四种方案(gbrain、GraphRAG、LLM Wiki、Graphify)的核心思路与数据来源对比
  3. 各方案的典型应用场景与选择建议

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:

成本:

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 —

原文出处:https://www.53ai.com/news/knowledgegraph/2026070132875.html