🚀当Cursor和Claude code拥有了记忆！编程能力倍增！Graphiti MCP Server让AI编程助手实现持久超强记忆！时序知识图谱让你的代码

Graphiti 的 MCP Server 是一个实验性的 Model Context Protocol 服务，旨在为支持 MCP 协议的 AI 助手（如 Claude Desktop、Cursor 等）提供结构化的知识图谱接口。它能够将用户的自然语言输入、消息和 JSON 数据存储为"episode"，自动抽取其中的实体及其关系，并构建时序知识图，实现 AI 的长期记忆与推理能力。

🔥🔥🔥本篇笔记所对应的视频：

www.bilibili.com/video/BV1z5...

🔥🔥🔥微信：stoeng

该服务支持 episode 的添加、查询与删除，提供实体和关系的搜索功能，支持通过语义或关键词进行节点和事实的高效检索，还可以通过 group_id 实现多用户或多项目的数据隔离。系统还支持清空图谱和重建索引，便于知识更新。

使用者只需配置 Python 环境、Neo4j 图数据库和 API 密钥，即可运行该服务。它可通过 SSE、标准输入或 Docker Compose 启动，并能被 AI 客户端调用各类图谱工具，如添加交互记录、搜索节点与关系等，是构建具备上下文感知能力的 AI 系统的重要基础模块。

核心概念

Graphiti 是一个时间感知知识图谱框架，与传统的 RAG (检索增强生成) 不同，它能够：

持续集成用户交互、结构化和非结构化数据
支持增量数据更新
进行精确的历史查询
无需完全重新计算图谱

🛠️ Graphiti-Memory 提供的 MCP 工具

1. Resources (资源工具)

功能: 从内部或外部数据库检索信息

返回数据但不执行可操作的计算
用于访问存储在知识图谱中的历史信息
支持时间感知的查询

2. Tools (工具)

功能: 与可以产生副作用的工具进行信息交换

执行计算或通过 API 请求获取数据
可以向知识图谱添加新的实体和关系
支持实时数据更新

3. Prompts (提示模板)

功能: 用于 LLM-服务器通信的可重用模板和工作流

预定义的查询模板
标准化的交互模式

🏗️ Graphiti-Memory 的自定义实体类型

Cursor IDE 集成示例

python 复制代码

class Requirement(BaseModel):
    """需求实体 - 代表产品或服务必须满足的特定需要、功能或功能"""

    project_name: str = Field(
        ...,
        description='需求所属项目的名称',
    )
    description: str = Field(
        ...,
        description='需求的描述，仅使用上下文中提到的信息',
    )

其他常见实体类型

Preference (偏好): 用户的编程偏好和标准
Procedure (程序): 编码标准和工作流程
Project (项目): 项目信息和规格
Memory (记忆): 历史交互和学习内容

🔧 主要功能特性

1. 增量集成

实时添加和更新实体
自动建立实体间的关系
保持时间戳和版本信息

2. 智能检索

在执行操作前查询相关记忆
基于上下文的智能推荐
跨会话持久化记忆

3. 结构化存储

json 复制代码

{
  "action": "add_entity",
  "entity_type": "Requirement",
  "data": {
    "project_name": "Web应用",
    "description": "用户界面必须支持响应式设计"
  }
}

📋 使用场景

在 Cursor IDE 中的应用

配置集成: Cursor IDE 作为 MCP 客户端连接到 Graphiti MCP 服务器
自定义实体: 定义项目需求、偏好和程序等实体
实时更新: 代理自动添加和更新知识图谱中的实体
检索前操作: 在执行操作前查询存储的偏好和需求

实际工作流

css 复制代码

用户输入 → Cursor代理 → 查询Graphiti → 检索相关记忆 → 执行任务 → 更新知识图谱

🌟 与传统记忆系统的区别

特性	传统 RAG	Graphiti-Memory
数据集成	静态向量化	动态知识图谱
时间感知	无	支持时间序列
关系建模	有限	丰富的实体关系
增量更新	需要重新计算	实时增量更新

🚀Neo4j

http://localhost:7474/browser/preview/

🚀部署

Python: 3.10 或更高版本
Docker: 最新版本
Docker Compose: 最新版本
Neo4j: 5.26 或更高版本
uv: Python包管理器（推荐）

bash 复制代码

# 安装uv（推荐）
curl -LsSf <https://astral.sh/uv/install.sh> | sh

# 或使用pip
pip install uv

git clone <https://github.com/getzep/graphiti.git>

cd graphiti/mcp_server

uv sync

cp .env.example .env

# 配置Neo4j
## 下载
<https://neo4j.com/download/>

# Instance name
graphiti-db

# Database user
neo4j

# Password
graphiti123!

# 使用pwd命令查看当前路径
pwd

# 使用which uv命令查看uv所在路径
which uv

🚀MCP Server配置文件

json 复制代码

{
  "mcpServers": {
    "graphiti-memory": {
      "transport": "stdio",
      "command": "/Users/charlesqin/.local/bin/uv",
      "args": [
        "run",
        "--isolated",
        "--directory",
        "/Users/charlesqin/graphiti/mcp_server",
        "--project",
        ".",
        "graphiti_mcp_server.py",
        "--transport",
        "stdio"
      ],
      "env": {
        "NEO4J_URI": "bolt://localhost:7687",
        "NEO4J_USER": "neo4j",
        "NEO4J_PASSWORD": "graphiti123!",
        "OPENAI_API_KEY": "sk-proj--xxxxxxxxxxxxxx",
        "MODEL_NAME": "gpt-4.1-mini"
      }
    }
  }
}

🚀为Claude Code添加

vbnet 复制代码

claude mcp add-json graphiti-memory '{
  "type": "stdio",
  "command": "/Users/charlesqin/.local/bin/uv",
  "args": [
    "run",
    "--isolated",
    "--directory",
    "/Users/charlesqin/graphiti/mcp_server",
    "--project",
    ".",
    "graphiti_mcp_server.py",
    "--transport",
    "stdio"
  ],
  "env": {
    "NEO4J_URI": "bolt://localhost:7687",
    "NEO4J_USER": "neo4j",
    "NEO4J_PASSWORD": "graphiti123!",
    "OPENAI_API_KEY": "sk-proj--xxxxxxxx",
    "MODEL_NAME": "gpt-4.1-mini"
  }
}'

🚀SSE方式

bash 复制代码

# 命令
cd graphiti/mcp_server/ && uv run graphiti_mcp_server.py --model gpt-4.1-mini --transport sse

# Cursor配置文件

{
  "mcpServers": {
    "graphiti-memory": {
      "transport": "sse",
      "url": "<http://localhost:8000/sse>"
    }
  }
}

# Claude Code添加MCP命令

claude mcp add --transport sse --scope user graphiti-memory <http://localhost:8000/sse>

🚀Cursor Rules

markdown 复制代码

# 使用Graphiti MCP工具的指令

## 开始任何任务之前

**始终先搜索：** 在开始工作之前，使用search_nodes工具查找相关的偏好设置和程序。

**同时搜索事实：** 使用search_facts工具发现可能与您的任务相关的关系和事实信息。

**按实体类型过滤：** 在节点搜索中指定"Preference"（偏好）或"Procedure"（程序）以获得针对性结果。

**审查所有匹配项：** 仔细检查与当前任务匹配的任何偏好、程序或事实。

## 始终保存新的或更新的信息

**立即捕获需求和偏好：** 当用户表达需求或偏好时，立即使用add_episode存储它。最佳实践是将很长的需求拆分为较短的逻辑块。

**明确标识更新：** 如果某些内容是对现有知识的更新，请明确说明。

**清晰记录程序：** 当您发现用户希望如何完成某些操作时，将其记录为程序。

**记录事实关系：** 当您了解到实体之间的连接时，将这些信息存储为事实。

**明确分类：** 为偏好和程序标注清晰的类别，以便日后更好地检索。

## 工作过程中

**遵循发现的偏好：** 使您的工作与找到的任何偏好保持一致。

**严格按照程序执行：** 如果找到适用于当前任务的程序，请严格按步骤执行。

**应用相关事实：** 使用事实信息来指导您的决策和建议。

**保持一致性：** 与先前识别的偏好、程序和事实保持一致。

## 最佳实践

**建议前先搜索：** 在提出建议之前，始终检查是否存在既定知识。

**结合节点和事实搜索：** 对于复杂任务，同时搜索节点和事实以构建完整图景。

**使用center_node_uuid：** 在探索相关信息时，围绕特定节点进行搜索。

**优先考虑具体匹配：** 更具体的信息优先于一般信息。

**主动识别模式：** 如果您注意到用户行为中的模式，考虑将其存储为偏好或程序。

**重要提醒：** 知识图谱是您的记忆。持续使用它来提供个性化协助，尊重用户既定的程序和事实背景。

🚀测试

vbnet 复制代码

I'll develop a specification for a React tic-tac-toe application using Chakra UI. Let me first check if there are any existing preferences or procedures related to this task.

markdown 复制代码

请使用 Chakra UI 创建一个移动端优先的语言学习应用 React 组件。

**应用概述：**
- 应用名称：LingoLearn
- 目标用户：语言学习者
- 主要功能：单词学习、练习测试、学习进度追踪

**技术要求：**
- 使用 Chakra UI 组件库
- 移动端优先的响应式设计
- 支持触摸手势和滑动操作
- 适配 iOS 和 Android 设计规范

**界面结构：**
1. 顶部导航栏：显示当前课程、学习进度条
2. 主内容区域：单词卡片、练习题目、学习统计
3. 底部标签栏：首页、练习、进度、设置四个页面

**核心功能：**
1. **单词学习模块**
   - 单词卡片翻转效果（点击显示释义）
   - 发音播放按钮
   - 收藏和标记功能
   - 左右滑动切换单词

2. **练习测试模块**
   - 选择题、填空题、听力题
   - 答题计时器
   - 实时反馈（正确/错误提示）
   - 答题进度指示器

3. **学习进度模块**
   - 每日学习统计图表
   - 学习连续天数
   - 掌握词汇量显示
   - 成就徽章系统

**设计要求：**
- 颜色主题：使用温暖的蓝色和绿色配色
- 字体大小：确保在小屏幕上的可读性
- 按钮尺寸：适合手指触摸（最小44px）
- 交互反馈：点击、滑动都要有视觉反馈
- 加载状态：使用 Skeleton 组件显示加载效果

**响应式要求：**
- 手机端（<768px）：单列布局，全屏显示
- 平板端（768px-1024px）：两列布局，侧边栏导航
- 桌面端（>1024px）：三列布局，更多信息展示

**数据结构：**
请模拟以下数据结构：
- 单词列表：包含单词、释义、发音、例句
- 用户进度：学习天数、完成练习数、掌握词汇
- 练习题目：题目类型、选项、正确答案

**交互细节：**
- 单词卡片支持左右滑动切换
- 练习答题支持拖拽排序
- 长按单词可以显示详细信息
- 下拉刷新获取新内容

**性能要求：**
- 使用 React.memo 优化组件渲染
- 实现虚拟滚动处理大量单词列表
- 图片懒加载
- 本地存储用户学习进度

请创建一个完整的、可交互的应用原型，包含所有主要功能的实现。

markdown 复制代码

# 项目完成后执行
请将当前项目的完整信息存储到Graphiti知识图谱中，包括：

**项目总结存储**
1. 项目基本信息和最终成果
2. 完整的技术栈和架构决策
3. 所有功能模块的实现细节
4. 遇到的问题和解决方案
5. 性能优化措施和效果
6. 代码组织结构和设计模式
7. 开发经验和教训总结
8. 未来改进建议

**存储要求：**
- 创建完整的知识图谱实体和关系
- 确保信息可被后续项目查询和复用
- 建立与相关技术领域的关联
- 记录开发时间线和里程碑

请按照结构化格式系统性地存储所有项目知识。

🚀bug修复

arduino 复制代码

1️⃣Bug 描述：
在 <chakra-card__body class="css-8d2jmn"> 中，两个 chakra-text 元素（class 分别为 css-2qivvk 和 css-ye0o5a）发生了视觉重叠。请检查 CSS 布局是否因 position、margin、height 设置错误导致，或父容器未正确分配空间，协助修复为正常非重叠显示。

2️⃣Bug 描述：
页面初始化后，<div class="chakra-stack css-14r43fo"> 内部的文字出现了镜像翻转（水平反转）的显示效果。
推测是由于某个 CSS 样式导致的。

预期行为：
文字应保持正常阅读方向，不应被水平翻转。

请求：
请通过修改 CSS 规则，移除或覆盖导致镜像的样式，以恢复文字的正常方向显示。

1. 基本使用方式

添加个人信息和偏好

diff 复制代码

请帮我记住以下信息：
- 我是一个全栈开发者
- 主要技术栈：TypeScript、React、Node.js、Next.js
- 数据库偏好：PostgreSQL 和 MongoDB
- 样式框架：喜欢使用 Tailwind CSS
- 代码风格：偏好函数式编程，使用 ESLint 和 Prettier

记录项目信息

vbnet 复制代码

请记录我当前的项目：
项目名称：电商管理系统
技术栈：Next.js + TypeScript + Prisma + PostgreSQL
部署平台：Vercel
主要功能：商品管理、订单处理、用户认证

添加学习和工作习惯

diff 复制代码

请记住我的工作习惯：
- 使用 VS Code 插件：Auto Rename Tag、ES7+ React Snippets
- 代码提交习惯：遵循 Conventional Commits 规范
- 测试偏好：Jest + React Testing Library
- 部署流程：GitHub Actions + Vercel 自动部署

2. 查询和检索信息

询问之前记录的信息

复制代码

我之前提到过使用什么数据库吗？

提醒我一下我当前项目的技术栈是什么？

我的代码风格偏好是什么？

3. 项目相关的记忆

记录具体需求

diff 复制代码

对于电商项目，请记住这些需求：
- 需要实现购物车功能，支持商品规格选择
- 支付集成：Stripe 和支付宝
- 管理后台需要数据分析图表
- 移动端适配是必需的

记录解决方案和最佳实践

vbnet 复制代码

请记住这个解决方案：
问题：Next.js 中图片优化
解决方案：使用 next/image 组件，配置 domains 白名单，设置适当的 sizes 属性
最佳实践：为不同屏幕尺寸提供不同图片规格

4. 高级用法

关联信息查询

复制代码

基于我之前提到的技术偏好，为我的电商项目推荐一个状态管理方案

个性化建议

复制代码

根据我的编程习惯和项目需求，帮我设计一个合适的文件夹结构

学习进度跟踪

复制代码

请记录我的学习计划：
本月目标：深入学习 TypeScript 高级类型
已完成：泛型、条件类型
进行中：映射类型和模板字面量类型
下一步：学习 TypeScript 装饰器

5. 实际工作场景

代码审查标准

markdown 复制代码

请记住我的代码审查清单：
1. 是否有类型安全问题
2. 组件是否可复用
3. 性能优化：useMemo、useCallback 的合理使用
4. 错误处理是否完善
5. 测试覆盖率是否达标

项目部署清单

diff 复制代码

记录我的部署前检查清单：
- 环境变量配置检查
- 数据库迁移脚本运行
- 静态资源 CDN 配置
- SSL 证书有效性
- 监控和日志配置

6. 验证记忆效果

几天后，您可以测试 Graphiti 的记忆能力：

复制代码

我应该使用什么技术栈来开发新项目？

提醒我一下我的代码风格偏好

7. 最佳实践建议

结构化记录：使用清晰的格式记录信息
分类存储：按技术栈、项目、习惯等分类记录
定期更新：当偏好或技术栈发生变化时及时更新
具体化描述：记录具体的解决方案而不是抽象概念