Omnigraph

Omnigraph 评测：给 AI 助手一个值得信任的记忆的开源图数据库

让两个编程助手同时做同一个项目，它们都会干得不错，直到同时往同一份知识里写东西。一个覆盖了另一个，一条决策被记下来却没记原因，没人能说清助手当时知道什么、什么时候知道的。助手接手的真实工作越多，缺的就不是更聪明的模型，而是一份可以安全共享的记忆。Omnigraph 就是为解决这个问题而生的数据库。

Omnigraph 于 2026 年 11 月 12 日上线 Product Hunt，当天以 226 票拿下第三名。它是一个开源、对象存储原生的图数据库，带分支和类型化本体，由 ModernRelay 为协作共享知识的 AI 助手打造。项目采用 MIT 协议开源，当前版本 0.15.0，已经收获 2,000 多个 GitHub 星标，开发者已经在用它搭建公司大脑，甚至自己动手为它贡献新的存储后端支持。

什么是 Omnigraph？

Omnigraph 是一个围绕一个想法设计的图数据库：助手应该像开发者一样工作，先开分支、经过评审，东西才能合并进主干。每个助手都从主干分出自己的分支，在分支里隔离写入，只有经过评审、通过三方合并才能回到主干。没有任何改动能在没有人或助手先看过差异的情况下进入主干。

在底层，Omnigraph 把图存为开放的 Lance 文件，放在你自己的存储里：兼容 S3 的存储、预览中的 Azure Blob，或者本地磁盘。没有托管的记忆接口，也没有日后难以逃离的专有存储。在图之上，它加了类型化 schema、向量与全文检索，以及引擎内的策略执行，所以同一份存储可以在一次查询里同时回答图遍历、相似度检索和关键词检索。

Omnigraph 的核心功能

1. Git 式分支，让助手协作不再互相覆盖

Claude Code 和 Hermes 可以各自从主干分出分支，隔离写入，再按评审顺序合并。schema 会在分支里拒绝格式错误的写入，策略决定谁能合并，提交图记录每一次改动和它的作者。两个助手、一张图、零冲突，而且每个版本都可读，你可以随时看到某个助手在什么时候知道什么。

2. 每次写入都要通过的类型化 schema

所有助手共用同一份领域模型，写在 schema 文件里，每一次写入都要按它检查。一条决策如果没有关联到它是在哪次会议上做出的，就保存不下来。这听起来很严格，本来就是故意的：schema 的作用，就是防止助手把一句自信的半真半假悄悄记成事实。

3. 一次查询里的图、向量与全文检索

Omnigraph 在同一批类型化节点上同时做向量、关键词和混合排序，不用维护两份存储来回同步。这让它天然适合 GraphRAG：把文档、片段和其中提到的实体存为带 embedding 的类型化节点，一次查询按相似度给片段排序，再遍历到相关的实体和来源，交给模型的上下文自带它的关联。

4. 数据留在你自己的存储里

图以开放的列式文件存在你自己的 S3 兼容存储、Azure Blob 或本地目录里，不用 Omnigraph 也照样可读。引擎本身免费开源，你只需要付自己的存储和算力。如果你想要托管服务，Omnigraph Cloud 正在内测，提供专属集群、单点登录、策略和审计。

5. MCP、SDK 和可视化的 Studio

Omnigraph 提供 MCP 服务，Claude、ChatGPT、Cursor 或任何 MCP 客户端都可以读取 schema、执行查询，并在策略允许时写入。命令行、TypeScript SDK 和 Python SDK 覆盖了其余场景，Studio 则是一个支持 macOS、Linux 和 Windows 的 GPU 渲染桌面应用，可以可视化本体和图谱、检查知识内容、在合并前评审改动。

怎么用

安装只要一条命令，从 Omnigraph 的 GitHub 仓库拉取安装脚本。你先为自己的领域定义类型化 schema：人、团队、会议、决策，以及它们之间的边，再导入种子数据。助手通过 MCP 或 SDK 接入，各自在自己的分支上工作：建分支、写节点和边、看差异、合并。Cookbook 模板提供现成项目直接上手，包括行业情报、医药情报、公司大脑、VC 操作系统、给编程助手用的 beads 式任务队列，以及个人第二大脑。想用托管服务可以加入 Cloud 内测，也可以选择嵌入式部署、部署在自己的云账号里，或者部署在自己的服务器上。

谁适合用 Omnigraph？

• 同时跑多个编程助手的团队：分支加评审是让助手共享记忆又不互相覆盖的唯一合理方式。
• 搭建公司大脑的团队：一张图装下人、项目、决策和文档，每一条主张都关联到它的原文来源。
• 生产系统的助手记忆：按助手或任务做版本化记忆，每一次改动都有审计记录。
• GraphRAG 与研究图谱：假设与结果都要经过评审，检索按关联走，而不是只凭文本相似度猜。
• 必须自己掌控数据的团队：开放格式加自托管，适合受监管环境，也适合任何拒绝专有记忆存储的人。

价格

Omnigraph 免费开源，采用 MIT 协议。引擎、命令行和服务端都不收费，你只需要付自己的存储和算力，无论是本地磁盘、兼容 S3 的存储还是 Azure Blob。由团队运营的托管服务 Omnigraph Cloud 正在内测，提供专属集群、单点登录、策略和审计，尚未公布公开定价。想要账单上有个数字的话，自托管就是实在的答案：软件免费，存储是你的。

优点和缺点

优点

• 免费且 MIT 开源，数据以开放文件存在你自己的存储里，没有锁定。
• Git 式分支是多助手协作的正确模型，评审环节防止悄悄覆盖。
• 类型化 schema 加引擎内策略，在错误写入变成共享知识之前就拦住它。
• 一次查询同时做图、向量和全文检索，原生支持 Claude、ChatGPT 和 Cursor 的 MCP。
• 真实热度：GitHub 星标超过 2,000，Rust 引擎，用户还在向上游贡献后端。
• Studio 让非开发者也能可视化地检查和评审图谱。

缺点

• Omnigraph Cloud 还在内测，托管服务今天还买不到。
• 自托管需要你对对象存储和运维有一定把握，不是开箱即用的 SaaS。
• 项目还年轻，当前版本 0.15.0，接口和 schema 语言仍可能变化。
• 类型化 schema 和策略引擎有学习成本，比直接把文档扔进普通向量库要讲究得多。

最终评价

Omnigraph 是 AI 助手一直在等的那种数据库。向量库记不住结构，Wiki 记不住出处，共享文件又容易互相覆盖。给助手分支、类型化 schema 和合并评审，Omnigraph 把软件工程的纪律带进了助手记忆，又通过开放文件加自有存储，不要求你交出自己的知识。免费开源的引擎今天就能为愿意自托管的团队投入生产，想用托管版可以加入 Cloud 内测。如果你的助手要共享一份记忆，那就应该共享在 Omnigraph 里。