Zep：时间知识图谱驱动的智能体记忆架构

如果能把这些结构化信息提取出来，存进知识图谱，检索时就能回答"张三上个月推荐的那家餐厅叫什么"这种复杂问题。

🧠 核心方法：Graphiti——时间感知的知识图谱引擎

Zep 的核心是 Graphiti，一个专为 LLM 智能体设计的时间感知知识图谱引擎。它的记忆系统是一个动态知识图谱 $\mathcal{G}=(\mathcal{N}, \mathcal{E}, \phi)$，其中 $\mathcal{N}$ 是节点集合，$\mathcal{E}$ 是边集合，$\phi:\mathcal{E}\to\mathcal{N}\times\mathcal{N}$ 是关联函数。

这个图谱由三层子图构成，形成一个从原始数据到高层抽象的层次结构：

1. 情节子图（Episode Subgraph）：存储未经加工的输入数据。
2. 语义实体子图（Semantic Entity Subgraph）：存储从情节中提取的结构化知识。
3. 社区子图（Community Subgraph）：通过社区检测算法把紧密相连的实体聚类成群组。

第一层：情节子图（Episode Subgraph）

情节子图是"原始记忆"层，存储未经加工的输入数据。每条消息、每段文本、每个 JSON 对象都作为一个情节节点（Episode Node）保存下来。

为什么要保留原始数据？三个原因：

1. 非损失存储：后续的实体/关系提取可能有遗漏或错误，保留原始数据可以随时回溯。
2. 引用溯源：当 LLM 给出一个回答时，可以追溯到原始对话，提供引用和出处。
3. 审计合规：企业场景需要保留完整的交互记录。

每个情节节点包含三个关键字段：

• 内容：原始文本/JSON
• 发言者：消息的来源（用户、助手、系统）
• 参考时间戳 $t_{ref}$：消息发送的时间点

$t_{ref}$ 非常重要。当用户说"我下周四有个会议"时，系统需要知道"现在"是什么时候，才能正确解析"下周四"的具体日期。

第二层：语义实体子图（Semantic Entity Subgraph）

语义实体子图是"概念记忆"层，存储从情节中提取的结构化知识。它包含两类元素：

实体节点（Entity Nodes）：代表对话中提到的人物、地点、组织、概念等。每个实体节点包含：

• 名称：实体的规范名称（如"张三"）
• 摘要：对实体的简短描述（如"AI 研究员，曾就职于腾讯"）
• 嵌入向量：用于语义检索的 1024 维向量

事实边（Fact Edges）：代表实体之间的关系。每条边包含：

• 关系类型：如 WORKS_FOR、IS_FRIENDS_WITH、RECOMMENDS
• 事实描述：关系的详细说明
• 四个时间戳：这是 Zep 的核心创新

实体提取与消歧

实体提取是个经典的 NLP 问题，但在对话场景下有特殊挑战：同一个人可能有多种称呼。用户可能在不同时候说"我老板"、'王总'、'老王'，这三个指的可能是同一个人。

Zep 的解决方案是混合检索 + LLM 消歧的两阶段流程：

# 伪代码示意
Stage 1: 实体提取 (LLM) -> ["我老板", "王总", "餐厅"]
Stage 2: 候选检索 (Vector + Full-text)
Stage 3: LLM 消歧判断 -> {"is_duplicate": true, "merged_name": "王总 (王经理)"}

这个设计的好处是：向量检索和全文检索各有所长，两者结合能提高召回率；最终用 LLM 做高精度判断，避免误合并。

双时间模型：Zep 的杀手锏

这是 Graphiti 最核心的创新。传统知识图谱是"静态快照"——它告诉你张三是李四的同事，但不告诉你什么时候开始、什么时候结束。

Zep 为每条事实边维护四个时间戳，形成两条独立的时间线：

举个具体例子：

用户在 2024 年 1 月 15 日说：'我上周从腾讯离职了，现在在 OpenAI 工作。'

系统会创建两条边：

1. 新边：用户 ─[工作于]─▶ OpenAI
   • t'_created = 2024-01-15 (系统记录时间)
   • t_valid = 2024-01-08 (事实生效时间)
2. 旧边：用户 ─[工作于]─▶ 腾讯
   • t'_expired = 2024-01-15 (系统现在标记失效)
   • t_invalid = 2024-01-07 (事实失效)

这个双时间模型借鉴自数据库领域的 Temporal Database 理论，已经有几十年的研究历史。Zep 的贡献是把它引入 LLM 智能体记忆场景。

第三层：社区子图（Community Subgraph）

社区子图是"全局理解"层，通过社区检测算法把紧密相连的实体聚类成群组。

为什么需要社区？两个原因：

1. 全局查询：当用户问"最近我们讨论了哪些话题"时，需要一个高层视角。
2. 上下文补充：检索单个实体时，可以顺带提供它所属社区的背景信息。

GraphRAG 使用 Leiden 算法做社区检测，但 Zep 选择了标签传播算法（Label Propagation），原因是支持增量更新，计算开销更小。

🔍 记忆检索：三步走的检索管道

有了知识图谱，下一步是如何高效检索。Zep 的检索系统接受文本查询，返回格式化的上下文。

整个过程分三步：$f(\alpha) = \chi(\rho(\varphi(\alpha))) = \beta$

1. 搜索（Search，φ）：追求高召回。
2. 重排序（Rerank，ρ）：提高精确率。
3. 构造（Construct，χ）：格式化输出。

Step 1: 搜索（Search，φ）

Zep 实现了三种互补的搜索方法：

Step 2: 重排序（Rerank，ρ）

Zep 提供了多种重排序策略：

Step 3: 构造（Construct，χ）

最后一步是把检索到的节点和边格式化成 LLM 可读的文本。Zep 使用的模板如下：

<FACTS>
- 张三推荐了海底捞 (2024-01-15 - present)
</FACTS>
<ENTITIES>
- 张三：AI 研究员，腾讯员工
</ENTITIES>

注意两个设计细节：

1. 事实带时间范围：这让 LLM 能正确回答时间敏感问题。
2. 实体带摘要：摘要提供了实体的背景信息。

🧪 实验评估

论文在两个基准上评估了 Zep：DMR（Deep Memory Retrieval）和 LongMemEval。

DMR 基准：小试牛刀

Deep Memory Retrieval 是 MemGPT 团队提出的基准，包含 500 段多会话对话。

实验结果：

Zep 在两个模型上都取得了最佳成绩，但领先幅度很小。作者的自我批评非常诚实：DMR 这个基准太简单了。

LongMemEval 基准：真正的考验

LongMemEval 是一个更具挑战性的基准，对话平均长度达到 115,000 tokens。

整体结果：

这组数据非常亮眼：

• 准确率提升 15.2%～18.5%：说明知识图谱能更精准地提取关键信息。
• 延迟降低 90%：从 ~30 秒降到 ~3 秒，对用户体验至关重要。
• Token 消耗降低 98%：从 115k 降到 1.6k，直接影响 API 成本。

实验结果分析

Zep 的优势领域：

1. 偏好问题（+184%）：这类问题需要理解用户的喜好偏向。
2. 时间推理（+38.4%）：双时间模型的直接收益。
3. 多会话（+30.7%）：跨会话信息整合是知识图谱的强项。

Zep 的劣势领域：

1. 单会话助手问题（-17.7%）：助手回复往往包含详细的步骤说明、代码片段，这些内容在提取成知识图谱时会丢失细节。

💡 技术亮点与局限

三大亮点

1. 双时间模型的务实引入：设计了从自然语言中提取时间信息的 prompt，实现了基于 LLM 的冲突检测和边失效机制。
2. 工程导向的系统设计：选择标签传播而非 Leiden，为了支持增量更新；限制实体/边去重的搜索范围。
3. 层次化的图谱结构：从情节到实体到社区的三层结构，对应了人类记忆的心理学模型。

三大局限

1. 单会话助手问题的性能下降：并非所有信息都适合图结构，长篇代码、详细步骤在"压缩"成三元组时会丢失关键细节。
2. 缺少与其他 GraphRAG 方法的对比：未对比 GraphRAG、LightRAG 等近期的图增强 RAG 工作。
3. 图构建成本的黑箱：提取实体、关系、时间都需要 LLM 调用，高频对话场景可能成为瓶颈。

🔮 深度思考与启发

记忆的本质是什么？

这篇论文让我重新思考"AI 记忆"的本质。传统 RAG 把记忆当成"信息检索"问题。但人类的记忆远不止于此：我们会关联信息、更新信息、抽象信息。知识图谱天然支持这些操作。

时间感知是被低估的方向

大多数 RAG 研究都在卷相关性排序。但现实世界的信息天然带时间属性。Zep 的双时间模型提供了一个不错的框架，但还有很多可以探索的方向，如时间衰减、时间聚合。

结构化 vs 非结构化的权衡

理想的系统可能是混合架构：用知识图谱存储结构化信息，用原始文档存储非结构化信息，检索时结合两者。

🔧 工程落地建议

如果你正在考虑为自己的智能体产品引入记忆功能，这里是一些实践建议：

场景评估

成本优化策略

1. 分层处理：不是每条消息都值得完整处理。
2. 延迟构建：图构建可以异步进行，不必阻塞用户响应。
3. 模型选择：用 GPT-4o-mini 而非 GPT-4o 做图构建。
4. 批量处理：如果消息来得快，可以攒一批一起处理。

📝 总结

Zep 展示了时间感知知识图谱在智能体记忆领域的巨大潜力。通过三层图谱结构和双时间模型，它在处理长对话、复杂时间推理、知识更新、跨会话关联等企业级任务时表现出色。

在 LongMemEval 基准上，Zep 实现了准确率提升 18.5%，延迟降低 90%，Token 消耗降低 98%。对于正在构建智能体产品的团队，Zep 提供了一个比纯文本检索更强大的记忆框架。是否采用取决于你的场景特征：如果对话很长、需要时间推理、有跨会话关联需求，值得一试。