（6364期）Knowledge Graph – 构建你的第二大脑：结构化知识图谱

构建你的第二大脑：结构化知识图谱 基于JSON存储的个人知识图谱系统，支持实体管理、关系追踪、深度分析查询与可视化，构建持久化结构化知识网络。 使用说明 核心用法 Knowledge Graph Skill 是一套完整的个人知识图谱解决方案，以 JSON 格式存储实体与关系，通过 Node.js CLI 脚本实现全生命周期管理。 核心工作流： 自动触发采集 — 识别对话中的人、项目、设备、组织、决策、偏好等11类信息，主动提取入图 结构化存储 — 实体含类别、类型、属性、层级关系；关系独立维护，支持跨分支关联 KGML 摘要 — 每次会话自动生成紧凑的图谱摘要，注入 Agent 上下文 多元查询 — 支持 find/traverse/rels 基础查询，以及 children/type/cat/orphans/stats/timeline 等高级检索 深度评估 — 通过 depth-check.mjs 评估内容复杂度，0-7分指导提取层级（1-4+层） 可视化输出 — 生成自包含离线 HTML，父节点蓝虚线、普通边红实线 Vault 隔离 — 凭证密钥独立加密存储，与图谱数据物理分离 显著优点 主动设计：不等待用户指令，自动识别并提取知识，显著降低记忆负担 结构严谨：层级+关系双维度，支持复杂网络表达（如"A 拥有 B，B 运行在 C 上，C 依赖 D"） 跨会话持久：JSON 存储 + 自动摘要注入，实现长期记忆连续性 安全隔离：Vault 机制确保密钥不出现在日志和上下文中 可视化友好：一键生成可交互的力导向图，离线可用 可配置深度：从快速记录到深度论文提取，灵活调整粒度 潜在缺点与局限 技术门槛：需 Node.js 环境，非技术用户配置困难 存储格式锁定：JSON 虽通用但缺乏标准化，与其他图谱系统（如 RDF、Neo4j）互操作需转换 冲突解决弱：merge/nest 功能存在，但无自动冲突检测与版本控制 规模限制：JSON 文件线性增长，数千实体后性能可能下降（无索引机制） 中文支持存疑：文档全英文，NER 和相似度计算（Levenshtein）对中文优化不明 适合人群 技术背景研究者、开发者、知识工作者 需要追踪复杂项目依赖、组织关系、个人习惯模式的用户 重视数据主权、偏好本地优先（local-first）方案的隐私敏感者 愿意投入初期配置时间以换取长期知识复利的人群 常规风险 数据丢失：JSON 文件损坏或误删导致知识图谱丢失，需定期备份 隐私泄露：尽管 Vault 隔离，图谱本身可能包含敏感关系信息（如"某人住在某地"） 过度采集风险：自动触发机制可能导致噪音累积，需定期运行 consolidate 清理 置信度漂移：auto-import 的 memory 实体置信度仅 0.5，长期未复核可能污染图谱 平台锁定：AGENTS.md/CLAUDE.md/GEMINI.md 多平台适配但实际深度绑定特定生态 原始说明 Embedded knowledge graph for persistent structured knowledge. ALWAYS use proactively — do NOT wait for user to ask. Auto-triggers on: (1) any mention of peop...