核心用法
Graphiti 是一个开源知识图谱管理工具，该 skill 提供对其 REST API 的封装能力，主要包含两大功能模块：
1. 知识检索（graphiti_search）
通过向量搜索从图谱中检索相关事实，支持自然语言查询。底层依赖 Qdrant 进行语义匹配，返回结构化的事实片段，适用于问答系统、上下文增强等场景。
2. 记忆添加（graphiti_add）
将新的文本内容作为"episode"写入图谱，系统自动执行实体抽取、关系构建和向量化存储，实现知识的动态增量更新。
动态服务发现机制
Skill 采用三级配置回退策略：优先读取 Clawdbot 配置 → 环境变量 $GRAPHITI_URL → 默认本地地址 http://localhost:8001，便于在多环境部署中灵活切换。
显著优点
- 开箱即用：Docker Compose 一键部署 Neo4j + Qdrant + Graphiti 完整栈
- 语义化检索：基于向量的模糊匹配，超越传统关键词搜索
- 自动图谱构建：无需手动定义 schema，系统自动抽取实体与关系
- 增量式记忆：支持持续写入新信息，图谱随使用自我完善
- 开源生态：Zep 团队维护，社区活跃，与 LangChain 等框架兼容
潜在缺点与局限性
- 基础设施依赖重：需同时维护 Neo4j（图存储）和 Qdrant（向量库）两个服务，资源消耗较大
- 冷启动问题：空图谱初期检索质量有限，需积累一定数据量
- 实体消歧挑战：自动抽取可能产生重复或歧义实体，需后期清洗
- 延迟敏感：写入操作涉及 NLP 推理和图更新，非实时响应
- 无内置权限控制：多用户场景需自行实现访问隔离
适合人群
- 构建具备长期记忆的 AI Agent 开发者
- 需要从非结构化文本构建知识库的知识管理场景
- RAG（检索增强生成）系统的技术架构师
- 希望替代传统向量数据库、探索图+向量混合检索的工程师
常规风险
- 数据持久化：Neo4j 和 Qdrant 需配置持久化卷，否则容器重启导致数据丢失
- 服务可用性：三服务强依赖，任一组件故障将导致 skill 不可用
- 隐私合规：图谱存储原始文本片段，敏感信息需脱敏处理
- 版本兼容性：Graphiti API 迭代较快，需关注 breaking changes