知识图谱如何增强智能体记忆的关系推理能力？

向量搜索擅长相似度匹配，但在处理复杂实体关系时存在局限。知识图谱将信息存储为相互连接的实体和概念网络，使智能体能够执行"多跳推理"。

例如，智能体可以沿图谱路径推理：用户 A 就职于公司 B → 公司 B 有禁止使用工具 C 的安全策略 → 因此即使用户未明确要求，智能体也应避免向用户 A 推荐工具 C。这种关系推理能力是纯向量检索无法实现的。

Zep 的 Graphiti 引擎采用时序知识图谱架构，不仅记录实体关系，还追踪事实在何时为真——当用户偏好发生变化时，系统能够区分"当前事实"与"历史事实"。混合向量加图谱的架构在 2026 年被认为是兼顾检索速度与推理深度的最优平衡。