加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下：你和 AI 助手聊了一个月，它帮你整理了项目思路、分析了竞品情报、甚至起草了商业计划书——然后你关掉对话窗口，一切归零。下一次打开，AI 完全不认识你了。这不是科幻，而是当前几乎所有 AI Agent 的真实处境：会话结束，记忆蒸发。
OriginTrail DKG V10（Decentralized Knowledge Graph，去中心化知识图谱）要解决的就是这个痛点——为多 Agent AI 系统构建一个共享的、可验证的持久记忆层。
图1：DKG V10 节点架构图，展示了从工作内存到共享内存再到验证层的数据流
当前的 AI 记忆方案大多是"扁平的"：对话日志、向量化 Embedding、Markdown 文件。这些方案有一个根本局限——只能做相似性检索，无法表达实体之间的关系。
举个例子：扁平的向量数据库能告诉你"这家公司有过收购行为"，但知识图谱能告诉你"Company X 于 2024 年 3 月以 1.2 亿美元收购了专注计算机视觉的 Company Y，收购后 Company Y 的 CEO 继续留任"。后者是结构化的、可推理的关系网络，而前者只是一堆相似文本。
DKG V10 基于 RDF（资源描述框架）和 RDF-Star，将知识表示为「主体 → 谓词 → 客体」的三元组结构，并在此基础上引入了**知识资产（Knowledge Asset，KA）**的概念——每个 KA 包含一组 RDF 语句 + 默克尔证明 + 区块链锚定，形成可加密验证的知识单元。
DKG V10 的核心是三内存层次，这也是它区别于简单向量数据库的关键：
| 内存层 | 作用域 | 持久性 | 说明 |
|---|---|---|---|
| Working Memory（工作内存） | 单个 Agent 私有 | 临时 | Agent 当前的上下文、工作区数据 |
| Shared Working Memory（共享工作内存） | 同节点的 Agent | 进程级 | 同一节点上多个 Agent 可共享的数据 |
| Verified Memory（验证内存） | 全网广播 | 持久 | 通过 Merkle 证明和区块链锚定，任何人都可验证 |
数据从工作内存到共享内存再到验证内存，构成了完整的发布流程：Agent 先在私有空间整理知识 → 发布到共享层供队友查阅 → 最终锚定到区块链成为永久可验证记录。
DKG V10 采用 pnpm workspace monorepo 架构，TypeScript 开发，主分支要求 Node.js ≥ 22。项目包含 21 个子包，核心包括：
dkg 二进制命令，用于启动守护进程、执行基准测试、管理节点项目还包含 bench/ 基准测试框架（esbench），支持 10kb / 100kb / 2mb / 200mb 多档位负载测试，覆盖 WM/SWM/VM 三种内存路径的发布和读取性能。
DKG V10 的一个亮点是对主流 AI Agent 框架的广泛适配。项目原生提供适配器：
这意味着：无论团队使用哪个 Agent 框架，只需要安装对应适配器，就能让 Agent 接入 DKG 网络——无需修改核心 Agent 代码，真正做到了框架无关的互操作。
DKG V10 没有提供 Docker 一键部署，需要手动 clone 仓库、安装依赖、构建项目。技术要求略高（需要熟悉 Node.js 生态），但项目提供了完整的 CLI 工具链和一个基于 Vite 的本地仪表盘（packages/node-ui）。
对于想要快速体验的用户，项目 README 提供了逐步指南；对于生产环境部署，需要熟悉 TypeScript monorepo 构建流程（pnpm + turbo）。Web UI 提供了节点状态可视化和知识图谱浏览，适合运维监控，但需要本地运行节点后才能访问。
DKG V10 仍处于 Release Candidate 阶段（testnet），官方明确警告：
"Expect rapid iteration and breaking changes. Please avoid using in production environments."
这是一个务实的声明——区块链锚定机制意味着数据上链后再做重大变更代价极高，所以团队选择先在测试网充分验证协议设计，再投入生产。实际局限包括：
DKG V10 代表了一个重要趋势——Agent 互联（Agent Interoperability）基础设施。随着 AI Agent 数量爆炸式增长，Agent 之间如何共享知识、如何验证信息来源、如何避免重复劳动，将成为核心问题。DKG 通过去中心化知识图谱给出了一个可能的答案：
这个方向的价值将随着多 Agent 系统的普及而持续增长。如果你正在构建多 Agent 系统、团队 AI 协作平台或 AI 原生的知识管理系统，DKG V10 值得深入研究。
技术细节一览