Neo4j 发布用于本地 AI Agent 记忆的 Relate
Neo4j 于 11 月 11 日发布 Relate,将 Rust 图数据库嵌入 AI 应用,无需单独部署数据库服务器。Neo4j Relate 在本地存储事实及其关系,为开发者在临时应用文件与共享数据库服务之间提供了另一种选择。这一选择带来了一项现实权衡:部署工作更少,但容量和协调能力将受运行该应用本身的限制。
嵌入式数据库运行在应用程序进程内部,与应用共享生命周期和计算资源。SQLite 为关系型数据确立了这种模式,关系型数据以表格形式组织信息。Relate 则将这一模式应用于图,图用于表示实体及其之间的连接。
这使得此次发布与构建 Agent 的开发者相关。Agent 是利用模型和工具完成任务的软件。调查依赖关系的编程助手,所需的存储方式不同于服务全公司业务记录的系统。Relate 为 Neo4j 提供了一款直接面向这种更小型、本地化工作单元的产品。
Neo4j Relate 将图存储引入应用程序内部
Relate 改变了开发者部署图数据库的位置,使本地存储成为 Agent 工作负载的一项明确选择。
Neo4j 的嵌入式数据库发布公告将 Relate 描述为基于 Rust 实现的开源产品,采用 Apache License 2.0 发布。公告日期为 11 月 11 日,而非后续报道所关联的 11 月 13 日。Neo4j 在其 NODES 2026 活动期间同步推出了该产品。
该产品支持临时记忆存储和持久化存储,后者可在应用关闭后保留信息。仅将其称为内存数据库,会忽略这一差异。其查询引擎在内存中的图上运行,而磁盘存储可以保存重新打开图所需的信息。
这种架构之所以重要,是因为 Agent 的工作数据并不总是需要作为永久服务存在。依赖关系调查、文档审阅或隔离的开发任务,都有明确的开始与结束。开发者完全可能希望其数据库遵循相同的生命周期。
设想一位开发者正在调查某个应用为何依赖一个过时的软件包。简单列表能够记录涉及的软件包;图还可以记录每项依赖是由哪个软件包引入的,从而使这条链路可供后续查询。
图本身并不能判定某个软件包是否不安全。它表示的是由源数据提供的连接。它的价值在于,让软件能够沿着这些连接进行追踪,而无需反复从分散文件中重建它们。
因此,Relate 提供了不同于将 Neo4j 作为共享服务运行的部署选择。开发者可以将引擎放在需要它的应用旁边。这减少了他们在提出图结构问题之前必须配置的独立组件数量。
这一区别也避免了对 Rust 实现产生误导性的解读。此次发布并不意味着 Neo4j 已用 Rust 等价产品替代其现有服务器产品。Relate 有其自身的运行模型、范围和限制。
对开发者而言,有意义的变化是能够采用更小的部署单元。他们可以针对某项具体任务评估图数据库,而不必先将该任务纳入更广泛的数据库架构。
本地部署也改变了谁负责运维工作。应用团队决定何时创建、保留、重新打开或删除数据。这些决定将更贴近使用数据库的功能本身。
这种接近性可以简化边界明确的项目。但它也让生命周期决策成为应用设计的一部分。临时调查和长期运行的助手,不应仅因使用同一引擎就沿用相同的数据保留策略。
Agent 开发者面临不同的存储决策
Relate 对一种既有假设提出了挑战:具有关联性的 Agent 记忆需要由独立运行的数据库服务承载。
其直接受众是那些 Agent 在代码仓库、应用程序、Notebook 或隔离执行环境中运行的开发者。他们面临的问题通常比维护组织级永久知识系统更狭窄。他们需要的是在任务运行时可用的有效上下文。
单独的数据库服务会带来关于访问、部署、连接和归属的决策。当许多应用需要使用同一批记录时,这些决策可能是合理的;但如果数据仅用于支持一次本地调查,它们就可能显得不成比例。
临时文件能避免其中的大部分配置工作。但应用仍需负责表示关系、验证更新和检索相关信息。随着这些要求增加,存储代码会逐渐成为 Agent 本身更大的组成部分。
两种方式都不必然错误。一小组配置可以继续保存在文件中;共享业务系统可以归入托管服务。Relate 所针对的空间是:关系很重要,但独立服务带来的系统复杂度超过任务所需。
SQLite 提供了一个有用的历史参照。其无服务器数据库模型将引擎置于应用程序内部,而不是放在中间服务器进程之后。这种安排免除了服务器管理,但也改变了隔离与协调的边界。
Relate 将同样的位置问题带入图工作负载。开发者需要判断,让关系在应用自身进程内直接可用是否有益。答案取决于工作本身,而非 Agent 的流行程度。
一个审阅项目历史的助手可以说明这种情况。文件、变更、问题和负责人构成一组相互关联的记录。本地图可以支持回答:哪些变更影响了某个组件,以及哪些问题解释了这些决策。
该示例并不能证明它相较既有工具具有准确性优势。它指出的是一种表示方式与问题相匹配的工作负载。只有当维护该图的成本低于替代方案时,部署优势才会存在。
这种压力同样影响构建 Agent 框架的团队,这些框架提供了用于协调模型和工具的可复用软件。他们要在提供本地默认选项与假定外部存储后端之间作出选择。本地选项可以让实验更容易,但仍必须提供可预测的行为。
企业采购方也面临相关的边界问题。他们应区分 Agent 的临时工作上下文与由组织管理的权威记录。将有用的子集复制到本地数据库,并不会转移原始信息的所有权。
知识工作者同样与这一区别息息相关。基于本地工作数据生成的回答,应明确说明信息是否最新、是否完整。无论数据库在哪里运行,用户体验到的都是答案本身。
对于比较个人知识库的读者,同样的所有权问题也适用。有效检索取决于理解系统持有哪些人的信息、这些信息如何变化,以及其边界排除了什么。
关联记忆让关系可供查询
图使关系可被查询,但仍由应用决定哪些关系值得存在。
其技术机制并不复杂。实体成为节点,连接成为关系。Agent 可以询问一串连接,而不是检索独立记录后再自行拼接这条链路。
Cypher 是一种图查询语言,可以表达这些模式。一个依赖关系问题可以沿着从应用程序、经由软件包、到安全通告的连接进行追踪。结果取决于图中是否包含相关的软件包、版本和通告关系。
这不同于相似度搜索,后者依据项目的表示与查询的匹配程度检索内容。相近的措辞可以定位到有用文档,但并不会自动证明该文档适用于某个具体决策或依赖关系。
Neo4j 将 Relate 定位为结合关系查询与相似度检索的一种方式。这一产品方向针对了 Agent 记忆中的一个实际弱点:找到相关材料,只是理解其作用的一部分。
一个示例中的项目助手可能检索到讨论某个身份验证提供商的笔记。与后续决策之间的关系可以表明,团队后来选择了另一家提供商。如果没有这种连接,一份相关的旧笔记仍可能支撑过时的回答。
图并不会天然发现后续决策。应用必须摄取这些信息、识别其主题,并表示它与早期材料之间的关系。如果这一过程失败,图就可能保留一幅不完整的图景。
这一限定很重要,因为“记忆”涵盖数种不同要求。记住一个事实不同于保留其来源;保留来源又不同于识别一项较新的决策已取代它。
Relate 的图模型提供了表达这些区别的位置。开发者仍负责选择对应用有意义的区别。存储灵活性不能替代信息模型。
Neo4j 的Agent 记忆演示通过依赖关系分析说明了预期生命周期。该公司描述了 Claude Code 使用独立、可丢弃的图来检查 Google 的 Agent Development Kit。该演示涵盖 24 项直接依赖,并从 deps.dev 获取依赖信息。
这是一项厂商演示,而非独立基准测试。其有用之处在于展示了任务形态:创建有边界的图、调查连接、报告发现,然后销毁数据库。
该示例也说明了为何本地存储与图结构应放在同一讨论中。关系密集型调查可以是临时的。开发者不一定需要将其工作数据转变为永久共享服务。
不过,临时存储会让最终报告承担更大责任。如果数据库消失,报告必须保留足够证据,使他人能够评估这些发现。否则,一项便利的调查将难以复现。
持久化图会改变这一平衡。它可以为后续工作保留关系,但新鲜度、保留和纠错也随之成为持续责任。应用获得了记忆,也继承了维护负担。
同样的推理适用于文档助手。声明与其支持文档之间的连接,有助于解释一项回答。这种连接应能在修订后保留下来,并以清晰的方式表达其含义。
这正是其承诺变得具体的地方。关联记忆为软件提供了一种结构,使其能够围绕可用证据提出更好的问题。但它并不保证证据正确、完整,或得到恰当解释。
本地执行以服务开销换取内存限制
Relate 的本地模型移除了一个部署边界,同时施加了明确的容量边界:已打开的图必须能够容纳于内存中。
该产品的本地图架构描述了一种引擎,旨在服务于机器上由应用、智能体或工具拥有的图。图驻留在内存中。磁盘负责提供持久性,而非充当引擎的查询扫描层。
这一差异将存储容量与工作容量区分开来。将数据写入磁盘,并不意味着应用能够查询超出其可用内存大小的图。开发者必须据此确定工作图的规模。
对于范围有限的调查,这一限制能够促成有益的约束。应用只加载与任务相关的信息,而不是复制整个组织的历史记录。更小的工作集也更容易说明其范围。
但对于需要无限期记住一切的助手而言,同样的限制要求更高。信息不断累积,关系持续增多,应用还要与其他软件争夺内存。保留策略因而成为容量规划的一部分。
另一种选择是独立服务,它会带来不同的权衡。它可以将数据库操作与应用生命周期分离,并通过中心化边界支持共享访问。但它也需要连接能力和服务管理。
这些是架构选择,而非通用阶梯上的不同阶段。本地数据库并不天然只是等待演变为服务的原型。一些应用受益于保持本地化,因为其数据和用户本身就留在本地。
反过来,应用也可能在图规模尚未变大之前,就不再适合本地所有权。多个独立系统可能需要更新同一批记录。团队也可能要求应用重启期间数据库仍然可用。
因此,合适的边界取决于协调需求,与规模同样重要。谁写入信息、谁需要读取信息、谁处理故障,都会产生影响。仅统计记录数量无法回答这些问题。
性能声明同样需要谨慎对待。Neo4j 宣传毫秒级启动和亚毫秒级内存读取。这些表述反映的是公司的主张,而非针对任意智能体工作负载、经独立验证的保证。
评估这些主张的开发者需要区分:启动一个空引擎,与重新打开一个已有数据的存储并不相同。加载数据、构建搜索结构、执行查询以及生成模型响应,都是不同的操作。它们的成本不应被掩盖在单一的速度主张之中。
最有价值的比较应保持应用任务不变。它应采用相同的源数据、问题、持久性要求和输出预期。否则,更快的本地查询可能伴随着更慢的整体工作流。
内存消耗也应纳入比较。智能体并不会因为数据库在本地运行就获得无限资源。数据库需要与应用及支持任务的其他软件共享同一台机器。
本地部署可以减少通信开销,但无法消除处理工作。查询仍需查找、筛选并返回信息。图的规模和结构依然相关。
对产品团队而言,这意味着 Relate 是一个应针对明确任务进行评估的选项。其可信的优势在于,为适合的工作负载提供更简单的部署。有关广泛优越性的主张,需要架构本身之外的证据支撑。
事务保护更新,而非智能体记忆的真实性
数据库一致性与智能体可靠性是两项不同的主张,Relate 应同时从这两方面接受评估。
事务将数据库变更分组,使软件能够按照既定的一致性行为应用它们。这有助于防止不完整的更新被视为已完成的工作。它并不能证明写入的事实是真实的。
智能体可能会忠实地存储一个错误结论。另一名智能体可以通过有效关系检索它,并重复这一错误。因此,正确的数据库行为也可能保存错误的应用知识。
同样的区别也适用于相互冲突的信息。数据库可以同时保留旧决策与新决策。应用必须表示哪项决策适用于当前任务,以及原因。
Relate 的已记录运行限制也对共享访问设定了边界。持久化存储仅支持单一写入进程。该进程内的事务可能发生冲突,而引擎不会自动重试冲突写入。
因此,多个智能体并不意味着可以拥有无限数量、相互独立的数据库写入者。开发者需要区分:由共享进程协调的智能体,与分别打开同一持久化存储的独立进程。这两种安排具有不同的故障行为。
当智能体系统将工作划分为并行任务时,这一点尤其相关。规划器可能分配所有权,而工作者记录进度。如果应用假定每次写入都能成功,其责任视图可能与现实脱节。
数据库可以报告冲突,但应用仍需要制定解释该结果的策略。重试、重新读取或放弃操作,都可能是合理的选择,取决于该写入代表什么。
持久性带来了另一层区别。存储持久性模型描述了预写日志,即用于恢复的变更记录。其默认的完全持久模式会在确认提交前同步日志。宽松模式则接受不同的数据丢失窗口。
这是一项有意义的工程选择,尤其适用于需要保留的智能体记忆。一次可丢弃的调查,与经用户批准的决策记录,在近期写入丢失时会产生不同后果。它们的存储设置应反映这些后果。
数据恢复与工作流恢复也不同。重启后,应用必须确定哪些外部操作已经完成。仅凭保留的数据库记录,无法证明工具调用是否在故障发生前修改了另一个系统。
这些是评估问题,而非 Relate 存在缺陷的证据。任何数据库被用于会读取、推理和行动的智能体时,都会面临这些问题。新的存储引擎会改变某些边界,但不会消除应用自身的责任。
本地存储同样不能保证信息始终私密。模型请求、工具集成或应用功能仍可能将检索到的内容传输到其他地方。隐私取决于数据所经过的完整路径。
因此,对买家而言,有用的问题比产品是否提供本地记忆更具体。他们需要知道哪些信息保留在本地、哪些操作会离开机器,以及由谁控制这些操作。
Relate 提供了一个可检查的位置,用于存储相互关联的上下文。其贡献应与“智能体只要获得图就会变得可信”这类主张分开评判。更好的记忆结构是可靠性的输入,而非评估可靠性的替代品。
关注工作负载证据、协调与持续使用
下一步的证据应表明,开发者是否会在初次实验后继续在实际应用中使用 Relate。
第一个信号是可复现的工作负载证据。有价值的评估应公开其结果背后的数据、查询模式、机器资源和存储设置。它们应区分引擎启动、数据加载、查询执行,以及完成实际智能体任务所需的时间。
如果本地部署能够减少工作量,同时不会造成不成比例的加载或内存成本,这一区分将强化 Relate 的论据。仅限于微小空数据库的结果,只能支持更狭窄的结论。无论哪种结果,都不应被泛化到测试之外的工作负载。
最有力的比较还应考察答案质量。关系查询可以精确返回数据库中包含的内容,却可能遗漏摄取过程从未创建的重要连接。只测量速度而不检查有用的完整性,会让应用的一部分未得到评估。
对于依赖关系调查,相关结果是对依赖链条的准确且可追溯的说明。对于文档助手,相关结果是基于正确记录的回答。数据库的贡献正是通过这些结果体现的。
第二个信号是有关协调与恢复的证据。开发者需要看到写入冲突、应用重启和任务恢复时会发生什么的示例。只处理不间断执行的演示,无法回答运营层面的问题。
如果应用可以通过直接的协调处理其进程边界,这些证据将强化 Relate 的定位。如果开发者反复需要增加大量基础设施来管理该边界,则会缩小其可服务的工作负载范围。产品无需适配每一种架构,才能证明自身价值。
文档清晰度也属于这一信号。开发者应能判断其安装的版本支持哪些接口和行为。清晰的限制说明,可能比宽泛的兼容性语言节省更多工程时间。
第三个信号是在承担持续数据责任的应用中持续使用。临时图证明了低设置门槛。通过不断变化的源材料持续维护的图,则证明团队找到了可行的所有权模式。
持续使用的证据应说明开发者选择保留什么,以及刻意丢弃什么。这能揭示图记忆是否服务于应用的问题。无理由地累积信息,并不等同于构建有用的记忆。
商业影响源于这些选择。Neo4j 现在为即时需求尚不足以证明部署独立图服务合理性的开发者提供了一个入口。它是否能扩大长期采用,取决于围绕它构建的应用。
此次发布也为开发者重新审视有关存储位置的旧假设提供了理由。数据库可以属于一项任务、一个应用,或一个共享组织。Relate 让前两种选择在 Neo4j 的产品方向中更加显眼。
在下一个智能体项目中,请先确定成功答案必须追踪的关系,再选择存储层。判断这些关系属于临时任务还是持续记录。然后,将本地图存储与满足相同要求的最简单替代方案进行比较。纳入内存使用、恢复、来源追踪以及保持信息最新所需的工作量。在关联数据与本地所有权相契合的场景中,Neo4j Relate 值得关注。先从一个能够验证结果的有限工作负载开始,再评估数据库是否让该结果更容易生成和解释。你的智能体实际需要记住哪些连接,而任务结束后,谁仍将对它们负责?



