Zep: A Temporal Knowledge Graph Architecture for Agent Memory¶
Szerzők: Preston Rasmussen, Pavlo Paliychuk, Travis Beauvais, Jack Ryan, Daniel Chalef (Zep AI) Dátum: 2025. január ArXiv: 2501.13956
Core Concept¶
A Zep egy memória-réteg szolgáltatás AI agentek számára. Alapja a Graphiti — egy temporálisan tudatos (időbeliséget kezelő) knowledge graph engine, amely dinamikusan szintetizálja mind a strukturálatlan beszélgetési adatokat, mind a strukturált üzleti adatokat, megőrizve a történeti kapcsolatokat.
Architektúra: 3-szintű Hierarchikus Knowledge Graph¶
1. Episode Subgraph (Epizód Gráf)¶
- Nyers input adatok: üzenetek, szöveg, JSON
- Non-lossy adattárolás — a teljes beszélgetés megmarad
- Epizódokból (beszélgetés-fordulókból) lesznek kinyerve a szemantikus entitások
2. Semantic Entity Subgraph (Szemantikus Entitás Gráf)¶
- Entitások: epizódokból kinyert és meglévő gráf-entitásokkal feloldott szereplők/fogalmak
- Facts (tények): entitások közötti kapcsolatok
- Temporal Extraction: tények érvényességi időszakának követése — edge invalidation mikor egy tény már nem érvényes
3. Community Subgraph (Közösségi Gráf)¶
- Legmagasabb absztrakciós szint
- Entitások és tények klaszterezése magasabb szintű közösségekbe
Retrieval: Search + Reranker¶
- Search: gráf-alapú keresés a három szinten
- Reranker: a találatok újrarangsorolása a lekérdezés relevanciája alapján
Benchmark Eredmények¶
| Benchmark | Zep | MemGPT (baseline) | Javulás |
|---|---|---|---|
| DMR (Deep Memory Retrieval) | 94.8% | 93.4% | +1.4% |
| LongMemEval | +18.5% accuracy | baseline | 18.5% |
| LongMemEval latency | 90% csökkenés | baseline | 10x gyorsabb |
Kiemelkedő eredmények cross-session információszintézisben és hosszú távú kontextus fenntartásban.
Miért Jobb Mint a Hagyományos RAG?¶
| RAG | Zep |
|---|---|
| Statikus dokumentum retrieval | Dinamikus, folyamatosan frissülő adatok |
| Nincs időbeliség | Tények érvényességi időszakának követése |
| Dokumentum-szintű | 3-szintű gráf (epizód → entitás → közösség) |
| Veszteséges retrieval | Non-lossy: nyers adat + szemantikus kivonat |
OpenClaw Relevancia¶
- Memóriastratégia validálása: A jelenlegi dual-tier rendszer (daily logs + MEMORY.md) koncepcionálisan hasonló a Zep Episode + Semantic Entity szintjeihez
- Temporal awareness: A Zep időbeli érvényesség követése (edge invalidation) analóg a MEMORY.md "kurátori" szerepével — elavult tények eltávolítása
- Non-lossy + extracted: A daily log-ok = "episode" szint (nyers), a MEMORY.md = "semantic entity" szint (kivonatolt)
- Community szint hiányzik: A wiki knowledge base + topic mapping rendszer részben ezt a szerepet tölti be, de nem gráf-alapú
- Search + Rerank: A memory_search tool jelenleg egyszerű szemantikus keresést használ — a Zep-féle reranker javíthatná a találati pontosságot
Idézetek¶
"For agents to become pervasive in our daily lives, they will need access to a large corpus of continuously evolving data."
"Entire conversation histories, business datasets, and other domain-specific content cannot fit effectively inside LLM context windows."
Forrás¶
arXiv:2501.13956 — https://arxiv.org/abs/2501.13956