0xFunky(@0x0funky):今天在外面一整天沒注意到啊，只能追高了… 有趣，2024 年我在做 Agent 相關東西的時候，就已經聽到過 FalkorDB 了。 Vector DB 只能幫你找「相似的文字」，但真正的 Agent 要能長期運作，一定要知道人、文件、任務、決策、事件之間的關係。這就是為什麼我一直覺得 GraphRAG 很重要。簡單講，GraphRAG 有點像把 Obsidian 那種「知識節點互相連結」的概念，拿來做 AI 的記憶與推理。不是只搜尋文字，而是讓 AI 知道資料之間怎麼連起來。 FalkorDB 當時就是我覺得很適合做這件事的 graph database，不是單純的 Agent framework，而是更底層的 knowledge graph / agent memory infrastructure。我印象中他們之前有拿融資，後來查了一下，2024 年確實有完成約 3M美金 seed round。現在也已經有 GraphRAG SDK，方向看起來走得很明確。我覺得接下來 Agent 真正的戰場，不只是模型誰比較強，而是誰能把記憶、任務、文件、決策關係組織起來。 GraphRAG / Agent Memory 可能才是下一階段。 Always DYOR。

2026.06.19 17:32

今天在外面一整天沒注意到啊，只能追高了… 有趣，2024 年我在做 Agent 相關東西的時候，就已經聽到過 FalkorDB 了。 Vector DB 只能幫你找「相似的文字」，但真正的 Agent 要能長期運作，一定要知道人、文件、任務、決策、事件之間的關係。這就是為什麼我一直覺得 GraphRAG 很重要。簡單講，GraphRAG 有點像把 Obsidian 那種「知識節點互相連結」的概念，拿來做 AI 的記憶與推理。不是只搜尋文字，而是讓 AI 知道資料之間怎麼連起來。 FalkorDB 當時就是我覺得很適合做這件事的 graph database，不是單純的 Agent framework，而是更底層的 knowledge graph / agent memory infrastructure。我印象中他們之前有拿融資，後來查了一下，2024 年確實有完成約 3M美金 seed round。現在也已經有 GraphRAG SDK，方向看起來走得很明確。我覺得接下來 Agent 真正的戰場，不只是模型誰比較強，而是誰能把記憶、任務、文件、決策關係組織起來。 GraphRAG / Agent Memory 可能才是下一階段。 Always DYOR。