几个 AI Agent 一起做事，麻烦不只是“记不住”，还在于它们可能同时修改同一份知识：一个刚更新客户关系，另一个又把旧版本覆盖回去。Omnigraph 想把这份共享记忆做成对象存储原生的图数据库——用节点和边保存实体及关系，数据可放在本地磁盘或 S3 兼容存储中，并采用开放、带版本的 Lance 格式。
它最值得注意的设计是把 Git 式工作流带进知识图谱。每个 Agent 或任务可在独立分支上提出修改，经过检查后再做三方合并，也能回看整张图过去的状态。类型化本体则像一套共同填写规范：它规定节点、关系、键和约束，并在每次写入时执行，避免多个 Agent 对同一条数据各说各话。
查询时，Omnigraph把向量检索、BM25 关键词检索和沿关系追踪的图检索放进同一套引擎，试图同时兼顾语义相近、精确命中和关系推理。这为 Agent 的长期共享知识提供了不同于传统图数据库的路线。不过，项目材料没有披露性能对比或实际部署规模，托管版 Omnigraph Cloud 也仍处于 private preview。