基于知识图谱的模块化检索增强生成系统，把文档抽成实体关系图，让大模型在回答复杂问题时能跨文档做全局推理。
一站式多模态 RAG 框架，把文本、图像等不同模态的检索与生成统一到同一套流程里，省去自己拼接多个组件的麻烦。
面向 monorepo 的代码检索增强生成工具，用知识图谱和 AST 解析多语言代码库，支持自然语言查询、理解与编辑代码。
轻量级检索增强生成引擎，用图结构组织知识并支持增量更新，让 RAG 检索更快更省资源。
面向生产环境的 GraphRAG 系统，支持多模态索引、AI 智能体和 MCP 协议，可在 K8s 上弹性部署，帮团队把知识图谱与检索增强真正落地。
面向循证医学信息检索的图谱 RAG 系统，把医学知识组织成图结构再结合大模型检索，让回答有据可查、可溯源。
基于 FalkorDB 图数据库构建 GraphRAG 应用的 Python SDK，把知识图谱和向量检索结合起来，让大模型问答更准确、可规模化。
基于层次化知识图谱的 Graph RAG 系统，把文档组织成分层结构来提升检索增强生成的召回与准确度，开箱即用。
把代码库连同文档、SQL schema、配置和 PDF 一起解析成可查询的知识图谱，供 Claude Code、Cursor 等编码 Agent 做代码检索，全程本地 AST 解析、不依赖向量库。
把向量检索、知识图谱和交叉编码器重排揉在一起的混合 RAG 系统，支持 Docling 解析文档、图片表格理解、流式对话和行内引用，可接 Gemini 或本地 Ollama。
给 AI Agent 用的实时知识图谱构建框架，把对话和文档里的实体关系抽出来存成图，让 Agent 检索时能拿到带结构的长期记忆。
用 Rust 实现的高性能 GraphRAG 引擎，从文档中抽取实体构建知识图谱，支持可配置实体抽取和本地 LLM 接入，实现自然语言问答。
把任意代码库转成可交互的知识图谱，支持浏览、搜索和提问，兼容 Claude Code、Cursor、Copilot 等主流 AI 编程工具。
面向 AI 智能体的图原生上下文基础设施，用上下文图谱管理记忆与决策依据，让 AI 系统的行为可追溯、可问责。
可私有部署的多租户知识智能体平台，把 RAG、知识图谱、多智能体编排、MCP/Skills 和沙盒权限管理整合在一起，适合企业自建知识问答与智能体应用。
为 AI 原生软件开发生命周期构建上下文图谱，把代码库和开发流程知识组织成可检索的图结构，让 AI 代理更准确地理解项目上下文。
基于 Rust 和 PostgreSQL 的自托管企业级世界模型，用双时态知识图谱与 GraphRAG 为 LLM Agent 提供可追溯的长期记忆和知识检索。
基于 OpenSPG 引擎和大模型构建的逻辑推理与检索框架，用逻辑形式引导专业领域知识库做事实问答，解决传统 RAG 向量相似度检索在多跳推理上不可靠的问题。
用 LLM 从非结构化文本里自动抽取实体和关系，直接建成 Neo4j 知识图谱，省去手工建模和写 Cypher 的麻烦，适合做 GraphRAG 和知识库。
多智能体编排框架，支持部署多人协作的智能体集群、协调自主工作流，并内置自适应记忆、向量 RAG 与 Claude Code 等编码代理的原生集成。
把原始文档变成可查询的 RAG、自主推理 Agent 和自维护 Wiki 的开源 LLM 知识平台，适合搭建企业知识库与智能问答。
给 AI Agent 提供持久化长期记忆的开源平台，用小型模型即可免费搭建，解决智能体跨会话记不住上下文的问题。
仿生认知记忆引擎，用图结构为 LLM 智能体提供长期记忆与情节记忆，是 Graph RAG 的新范式。
用 LLM 把非结构化文本抽取成结构化知识，一条命令即可生成图、超图以及时空信息，适合搭建知识图谱和 RAG 数据管线。
面向 Agent 的 AI 治理平台，用上下文图谱管理知识、上下文和 Agent 运行时，让 Agent 行为可追溯、可管控。
给 LLM Agent 用的长期记忆系统，通过压缩和知识图谱把文本与多模态历史高效存下来，让 Agent 跨会话记住关键信息。
一种新的 RAG 检索架构，用知识图谱和向量检索构建知识库，让人和 Agent 都能高效查询结构化知识。
用 Rust 写的高性能 GraphRAG 引擎，灵感来自 LightRAG，把文档转成知识图谱，让检索和生成效果更好。
用 C++ 实现的支持 Cypher 查询语言的图数据库，适合构建代码知识库和知识图谱，为检索与 RAG 场景提供图数据存储和查询能力。
用分形图结构组织 AI Agent 的思维链，把笔记、网页链接和代码连成可导航的知识图谱，适合做多智能体推理与头脑风暴。
为 AI Agent 提供持久化长期记忆的 MCP 服务，支持 LangGraph、CrewAI、AutoGen 和 Claude，通过 REST API、知识图谱和自主整合让智能体跨会话记住上下文。
用大模型从文本中自动抽取实体与关系，构建带时间维度的知识图谱，适合做 RAG 检索和结构化知识沉淀。
把 PDF 等非结构化文档转成经过校验、可查询的知识图谱，方便做 RAG 和文档关系分析。
把原始文档编译成结构化、本地优先的 wiki 知识库，用可读可维护的编译式方案替代传统 RAG，支持自管理自改进。
基于 Graph RAG 的对话式知识库工具，用 TiDB Serverless 向量存储做检索，能基于知识图谱回答提问。
给代码仓库装上大脑的代码智能问答工具，能接入 Claude Code、Cursor、Codex 等 IDE 和命令行，用知识图谱检索帮你快速理解和查询整个代码库。
把 Slack、Drive、Jira 等 50 多个企业数据源汇成带权限控制的上下文层，让 AI 智能体能搜索、检索并引用公司知识。
30 个可直接运行的 Jupyter Notebook，系统演示 LLM Agent 的记忆方案，涵盖对话缓冲、向量库、知识图谱、情景与语义记忆，以及 MemGPT、Mem0、Letta、Zep 等主流实现和 LoCoMo 基准测试。
面向企业审计场景的可审计 AI 智能体平台，让智能体基于证据工作、工具调用受管控，并内置评测、人工复核与整改交付流程。