מה זה Zep, ולמה הליבה שלו נקראת Graphiti
Zep הוא מוצר לניהול זיכרון והקשר לסוכני-AI, שהקימה ב-2023 חברת Zep AI (getzep) בהובלת דניאל צ'אלף (Daniel Chalef). בשונה מרוב מתחרותיה, הליבה הטכנית של Zep אינה קניינית: היא בנויה מעל פרויקט קוד-פתוח נפרד בשם Graphiti, שפורסם תחת רישיון Apache 2.0 במאגר getzep/graphiti וצבר עד 2026 מעל 31 אלף כוכבים ב-GitHub — הרבה יותר מהמאגר הראשי getzep/zep עצמו (כ-5 אלף כוכבים), שמכיל כיום בעיקר ערכות-פיתוח (SDK) ודוגמאות-קוד ולא את מנוע-הזיכרון בעצמו. גרסת "Zep Community Edition" הישנה, שהיתה ניתנת-להרצה-עצמית במלואה, הועברה למחיצת-קוד-מיושן (Legacy) במאגר; המוצר הנוכחי, "Zep Cloud", הוא שירות-ענן מנוהל וקנייני, שבמקורו נבנה מעל Graphiti הפתוח ורץ היום על מסד-נתונים-גרפי קנייני של החברה (Konig).
גרף-ידע זמני: איך Graphiti שונה מזיכרון-וקטורי רגיל
התכונה שמייחדת את Graphiti — ומכאן את Zep — היא הממד הזמני (Temporal). זיכרון-וקטורי רגיל, מהסוג שמתואר בערך זיכרון סוכן באתר הזה, שומר קטעי-מידע ומאחזר אותם לפי דמיון-משמעות בלבד, בלי הבנה מובנית של מתי כל עובדה הייתה נכונה. Graphiti, לעומת זאת, בונה גרף-ידע שבו לכל עובדה — כל צלע (Edge) בגרף — יש מרווח-תוקף (Validity Interval): מתי היא הפכה לנכונה, ואם וכאשר היא הוחלפה בעובדה חדשה יותר. כשמידע סותר נכנס למערכת — למשל משתמש שמעדכן העדפה, או עסקה שמשנה סטטוס — הגרף אינו מוחק את העובדה הישנה אלא מסמן אותה כלא-תקפה מרגע מסוים, ושומר גם אותה וגם את החדשה, יחד עם מקור-המידע (Provenance) של כל אחת. כך המערכת יכולה לענות לא רק "מה נכון עכשיו" אלא גם "מה היה נכון בנקודת-זמן מסוימת בעבר" — יכולת שזיכרון-וקטורי סטטי פשוט לא מציע.
המאמר הטכני ותוצאות שפורסמו
בינואר 2025 פרסם צוות Zep — פרסטון רסמוסן (Preston Rasmussen), דניאל צ'אלף ושותפים — מאמר בשם "Zep: A Temporal Knowledge Graph Architecture for Agent Memory", שהציג תוצאות-בנצ'מרק על שני מבחנים. במבחן Deep Memory Retrieval, Zep השיגה 94.8 אחוזי-דיוק עם מודל gpt-4-turbo, לעומת 93.4 אחוזים ל-MemGPT (הארכיטקטורה שמתוארת בהרחבה בערך זיכרון סוכן), ועד 98.2 אחוזים עם gpt-4o-mini. במבחן LongMemEval, שבודק זיכרון על פני שיחות ארוכות במיוחד, Zep דיווחה על שיפור-דיוק של 15.2 עד 18.5 אחוזים לעומת בסיס-השוואה (בהתאם למודל שנבדק), לצד הפחתה של כ-90 אחוז בזמן-התגובה לעומת הזנת ההקשר המלא. חשוב לציין: אלה תוצאות שפרסמו עובדי-החברה עצמם במאמר שלה, ולא תוצאות ששוכפלו על-ידי גורם חיצוני בלתי-תלוי. מעניין גם לשים לב שבמבחן ה-DMR דווקא המודל הזול-יותר (gpt-4o-mini) השיג ציון גבוה יותר מהמודל היקר-יותר (gpt-4-turbo) — ממצא שמרמז שאיכות-מנגנון-הזיכרון עצמו, ולא רק גודל-המודל שמשתמש בו, קובעת חלק ניכר מהתוצאה הסופית.
למה גרף זמני חשוב במיוחד לנתונים עסקיים
החברה ממסגרת את Graphiti לא רק ככלי-זיכרון-שיחה אלא ככלי לחיבור זיכרון-שיחה עם נתונים עסקיים מובנים — כמו רשומות-CRM, סטטוס-הזמנות או פרטי-חשבון — שמשתנים במהלך הזמן, וידיעת ההיסטוריה שלהם קריטית. במערכת-תמיכת-לקוחות, למשל, לדעת רק "מה הסטטוס הנוכחי של ההזמנה" לעיתים לא מספיק; לפעמים נדרש גם לדעת "מה היה הסטטוס לפני השינוי האחרון, ומתי הוא השתנה" — כדי להסביר ללקוח מה קרה, לא רק היכן הדברים עומדים כעת. זו הסיבה שהחברה ממקמת את Zep בעיקר מול לקוחות-ארגוניים עם נתונים דינמיים, ולא רק מול צ'אטבוטים פשוטים שדי להם בזיכרון-סטטי.
מעקב-מקור: מאיפה כל עובדה הגיעה
תכונה נוספת שהמאמר הטכני מדגיש היא מעקב-מקור (Provenance): כל צלע בגרף שומרת הפניה חזרה להודעה או לרשומה המקורית שממנה היא חולצה, ולא רק את התוכן המזוקק שלה. המשמעות המעשית: אם מערכת שמבוססת Zep עונה תשובה שגויה, אפשר לעקוב אחורה במדויק עד למקור שגרם לטעות — האם המידע שהוזן היה שגוי מלכתחילה, או שהחילוץ עצמו טעה בפירוש שלו — הבחנה שקשה בהרבה להשיג במערכות שמסתפקות בשמירת עובדה מזוקקת בלי הפניה חזרה למקור המדויק שלה.
Zep מול Mem0: שתי גישות שונות לאותה בעיה
Zep ו-Mem0 (שיש לה ערך נפרד באתר הזה) פותרות את אותה בעיה — זיכרון-סוכן ארוך-טווח — משתי זוויות שונות למדי. Mem0 מבוססת בעיקר על זיקוק: מודל-שפה מחלץ מכל שיחה את העובדות המהותיות ושומר אותן כפריטים נפרדים, עם מיזוג ועדכון כשמידע חדש סותר ישן. Zep, לעומת זאת, מבוססת על גרף: כל עובדה היא צלע בגרף-ידע מחובר, עם מרווח-תוקף מפורש שמאפשר לשחזר את מצב-הידע בכל נקודת-זמן בעבר — לא רק "מה נכון היום", אלא גם "מה חשבנו שנכון לפני חודש, ולמה זה השתנה". ההבדל הזה הופך את Zep למתאימה יותר למקרים שבהם היסטוריית-השינויים עצמה חשובה — למשל מעקב אחרי סטטוס-לקוח לאורך זמן — ואת Mem0 למתאימה יותר למקרים שבהם מספיק לדעת את המצב העדכני ביותר בעלות-חישוב נמוכה.
הרצה-עצמית מול Zep Cloud
מי שרוצה להריץ את Graphiti בעצמו צריך להצמיד לו מסד-נתונים-גרפי חיצוני משלו — למשל Neo4j או FalkorDB — ולנהל את התשתית הזו בעצמו. Zep Cloud, השירות המנוהל שהחברה גובה עבורו תשלום, פוטר מהצורך הזה: הוא ארוז כפלטפורמה סגורה סביב מה שהחברה מכנה "גרפי-הקשר" (Context Graphs), עם ממשק-API שמסתיר מאחוריו מסד-נתונים-גרפי קנייני משלה בשם Konig. המשמעות המעשית: קוד-המנוע עצמו, Graphiti, פתוח ובדיק, אבל השירות שרוב הלקוחות בפועל משתמשים בו — Zep Cloud — הוא מוצר קנייני שמריץ אותו קוד בתשתית סגורה, ולא ניתן להרצה-עצמית מלאה כפי שגרסת ה-Community הישנה אפשרה.
Zep מול RAG רגיל: "תמונת-מצב סטטית" מול גרף חי
החברה עצמה, במאמר ובתיעוד שלה, ממסגרת את Zep כתחליף למה שהיא מכנה RAG מבוסס תמונת-מצב-סטטית (Static Snapshot RAG): גישה שבה כל קטע-מידע נשמר פעם אחת ונשאר קבוע עד שמישהו דורס אותו ידנית. גרף-הידע הזמני של Graphiti, לעומת זאת, מתעדכן ברציפות עם כל אינטראקציה חדשה — לא רק מוסיף פריטים, אלא גם מסמן פריטים ישנים כלא-תקפים כשמידע חדש סותר אותם, בלי לאבד אותם לגמרי. ההבדל הזה הופך את Zep לרלוונטי בעיקר עבור יישומים שבהם המידע על המשתמש או על הישות הנבדקת משתנה בתדירות גבוהה — ופחות עבור מאגרי-ידע סטטיים יחסית, כמו תיעוד-מוצר קבוע, שבהם RAG וקטורי רגיל מספיק לגמרי.
מי מאחורי המאמר: הצוות שפרסם אותו
בין מחברי המאמר הטכני, לצד דניאל צ'אלף (מייסד החברה), נמנים גם פרסטון רסמוסן, פבלו פליצ'וק (Pavlo Paliychuk), טרוויס בובה (Travis Beauvais) וג'ק ראיין (Jack Ryan) — צוות שמזוהה עם החברה עצמה ולא עם מוסד-מחקר אקדמי חיצוני. זו נקודה שחוזרת אצל כמעט כל חברות-הזיכרון-לסוכנים בתחום, כולל Mem0: המאמרים הטכניים שמלווים את המוצרים נכתבים ומפורסמים בידי עובדי-החברה, לא כמחקר עצמאי שעבר שיפוט-עמיתים מלא באותו מובן שמאמר אקדמי קלאסי עובר — עובדה שלא פוסלת את התוצאות, אך מחייבת להתייחס אליהן כטענת-יצרן ולא כאימות חיצוני בלתי-תלוי.
מבחני LOCOMO ו-LongMemEval: מה כל אחד בודק
שני מבחני-ההשוואה שהמאמר הטכני של Zep מסתמך עליהם בודקים היבטים שונים במכוון. Deep Memory Retrieval בודק בעיקר דיוק-שליפה נקודתי: האם המערכת מוצאת את הפריט הנכון מתוך זיכרון גדול. LongMemEval, לעומת זאת, בודק יכולת רחבה יותר — זיכרון על-פני שיחות ארוכות-טווח שנפרסות על אורך-זמן משמעותי, כולל מקרים שבהם מידע התעדכן או השתנה בין שיחה לשיחה. השילוב בין שני המבחנים נועד להראות שהיתרון של Zep אינו רק ביכולת-שליפה גולמית, אלא גם ביכולת להתמודד עם מידע שמשתנה עם הזמן — בדיוק התכונה שהממד הזמני של Graphiti נועד לתת מענה לה.
המתחרה הרחב יותר: זיכרון-וקטורי מובנה בתוך מסגרות-סוכנים
מעבר ל-Mem0, ל-Zep יש גם מתחרים כלליים יותר: מסגרות-סוכנים רבות, כמו LangChain, מציעות מנגנוני-זיכרון-שיחה מובנים משלהן — לרוב מבוססי מסד-נתונים וקטורי פשוט, בלי הממד הזמני שמאפיין את Graphiti. הבחירה בין הפתרון המובנה לבין שכבת-זיכרון ייעודית כמו Zep או Mem0 היא בעצם החלטה בין נוחות-שילוב מיידית (הזיכרון המובנה כבר קיים במסגרת שממילא נעשה בה שימוש) לבין יכולות-מתקדמות שדורשות רכיב נוסף בערימת-הטכנולוגיה.
דיון תעשייתי רחב יותר: האם זיכרון תמיד משפר תוצאות?
כתבה בטקראנץ' מיוני 2026 העלתה שאלה רחבה יותר שנוגעת לכל כלי-זיכרון-לסוכנים, ולא רק ל-Zep: החשש שמנגנוני-דחיסת-זיכרון עלולים לגרום למודלים להישען יתר-על-המידה על "עוגנים" שאוחזרו מהזיכרון גם כשהם לא באמת רלוונטיים לשאלה הנוכחית — תופעה שדומה במהותה להזיה מבוססת-מקור שמתוארת בערך אחזור-מוגבר-בייצור. הכתבה מזכירה את Zep יחד עם Mem0 כדוגמאות בתחום, אך בלי פירוט ספציפי לגבי אף אחת מהן — כך שקשה להסיק ממנה מסקנה ישירה, מעבר לכך שהתחום כולו עדיין צעיר ומגבלותיו לא ממופות במלואן.
מגבלות ומה עדיין לא מאומת
מעבר לכך שתוצאות-הבנצ'מרק פורסמו על-ידי החברה עצמה, יש כמה נקודות שכדאי לגשת אליהן בזהירות: Zep אינה מפרסמת פומבית את היקף-הגיוס הכספי שלה, ותאריך-ההשקה המדויק של המוצר אינו מתועד בבירור מעבר להקמת החברה ב-2023. רשימת-הלקוחות שהחברה מציגה באתרה — כולל שמות כמו Samsung ו-Zscaler — היא דיווח-עצמי של החברה ולא אומתה באופן עצמאי. מבחינה טכנית, מורכבות בניית-הגרף — לעומת שמירת-טקסט פשוטה — כרוכה מטבעה בזמן-עיבוד ארוך יותר בשלב-הקליטה של מידע חדש, אף שהחברה מדווחת על יתרון-מהירות בשלב-האחזור עצמו.