針對LLM的超高速圖資料庫：FalkorDB，為LLM提供長期記憶、情境理解和事實性知識，幫助LLM進行複雜推理 其透過GraphBLAS、稀疏矩陣和線性代數查詢，來解決LLM在事實性、上下文理解和即時響應上的痛點 以稀疏矩陣和線性代數取代傳統遍歷，將整個圖結構轉換為數學矩陣，稀疏矩陣只儲存存在的連接，這極大節省空間和計算資源，查詢變成矩陣運算，速度遠超遍歷 比僅靠向量搜索，圖數據庫能保留實體間的細膩關係和上下文，提升智能體回傳資訊的準確性和相關性 做為GraphRAG的“知識緩存”，LLM回答前先要“秒級”拿到相關子圖，FalkorDB負責毫秒級把實體-關係子圖抽出來塞Prompt 做為智能體/聊天機器人記憶，對話過程中即時寫入「使用者-意圖-實體」三元組，下輪對話立刻可查 #AI回憶#FalkorDB
github：github.com/FalkorDB/Falko…