微软。 谷歌。 AWS。 每个人都在尝试解决 AI 代理的同一个问题： 如何构建足够快速以支持实时 LLM 应用的知识图谱？ FalkorDB 是一个开源图数据库，通过重新构想图的工作方式来解决这个问题。它使用稀疏矩阵和线性代数，而不是传统的遍历！ 让我们了解一下是什么让它们如此快速： 传统的图数据库将关系存储为链接节点，并一次遍历一个跳。 但这里有个问题： 当你查询连接时，数据库像跟随地图一样遍历节点和边。对于支持 AI 代理的大规模知识图谱，这会造成严重的瓶颈。 但如果你可以将整个图表示为数学结构呢？ 这就是稀疏矩阵的用武之地。 稀疏矩阵只存储存在的连接。没有浪费的空间，没有不必要的数据。只有重要的关系。 而且这里是突破： 一旦你的图是稀疏矩阵，你就可以使用线性代数而不是遍历来查询它。你的查询变成了数学运算，而不是逐步遍历节点。 数学运算比遍历更快。快得多。 ...