知识图谱 GraphRAG
Molore的知识图谱由上游抽取引擎 graphifyy（钉版 graphifyy==0.9.16，backend/requirements.txt）加一层宿主治理构成：引擎负责把语料逐篇提取为概念节点与关系边，宿主层（backend/app/services/graphify_service.py）负责语料导出、增量建图、覆盖率守卫、版本快照、置信度隔离、证据血缘与自进化调度。它要解决的问题是：让 LLM 批量抽取这种「可能半路失败、可能缩图、可能重复实体」的长任务，在个人知识库场景做到可断点续建、可回滚、可审计、低成本。
核心概念
| 概念 | 说明 |
|---|---|
| 语义图 | graphifyy 抽取的概念节点 + 13 谓词关系边，需构建，消耗模型调用 |
| 物理图（相似度图） | 向量相似度成边 + UMAP 2D 投影，零 LLM 实时生成，不要求构建 |
| 谓词本体 | 13 个收敛谓词（is_a / part_of / contains / causes / supports / …），事实源 app/services/graph_predicates.py |
| 置信度 | 边分 EXTRACTED（提取）/ INFERRED（推断）/ AMBIGUOUS（存疑），权重 0.9 / 0.6 / 0.35 |
| 隔离区 | AMBIGUOUS 边默认不进主图与对话扩展，读侧过滤零 schema 变更 |
| 增量建图 | 带入旧 manifest + graph.json，按内容 hash 判变更，只抽变化内容 |
| 覆盖率守卫 | 新图节点数不及旧图一半则不 swap，防余额耗尽类事故换出残图 |
| 版本快照 | 每次 swap 前自动留底，snapshots/ 保留最近 5 份，可一键回滚 |
语料与谓词本体
- 语料 = note / clip / knowledge / document 四类内容（
VALID_TYPES，graphify_service.py:100），门槛与向量前拦门同口径：active + 抽取成功 + 文本 ≥200 字（图片文档 ≥20 字）。仓库模式「仅入库检索」（index_only）的内容不进图谱语料。 - 13 谓词本体层（
graph_predicates.py:25）：is_a / part_of / causes / supports / contradicts / depends_on / derives_from / applies_to / extends / contains / compares_with / references / related_to（兜底）。旧词经方向安全的映射表归一。 - 传递闭包：
TRANSITIVE_PREDICATES = {is_a, part_of, contains}（传递保真才进此表，causes/supports 永不进）。图谱扩展沿传递谓词 BFS 最多 2 跳，权重每跳 ×0.7 衰减，多跳边标注跳数（endpoints/llm/graph_expansion.py:96-171）。 - 图谱扩展只在关系意图下开火：
_relation_intent规则识别前移，非关系意图跳过扩展，消掉 junk 邻居注入面；扩展非空时渲染「图谱推理路径」区块，via 带关系语义 + evidence 证据句。
增量建图与产物治理
| 阶段 | 关键机制 | 代码位置 |
|---|---|---|
| 语料导出 | 四类内容写 graphify_data/{space}/corpus/*.md | graphify_service.py |
| 增量带入 | 旧产物的 manifest.json + graph.json 复制进构建目录，上游按内容 hash 判变更；删除源走 build_merge(prune_sources) 剪枝 | graphify_service.py:757-783 |
| 模型戳记准入 | swap 后写 _meta.json 记录构建模型；模型变更或缺戳记退全量重建 | graphify_service.py:766,911 |
| 零变更早退 | 内容 hash 全未变时宿主层直接早退，不起构建 | graphify_service.py（宿主层） |
| 覆盖率守卫 | 新图节点不及旧图一半不 swap；增量 + 有删除源的合法缩图放行留痕 | graphify_service.py:860-885 |
| 快照留底 | swap 前自动快照旧图，{space}/snapshots/ 留 5 份 | snapshot_graph，graphify_service.py:986 |
| 回滚 | 产物恢复 + 三张派生表幂等重建（无 LLM 纯聚合） | rollback_snapshot，graphify_service.py:1045 |
两条硬纪律：快照永远放 corpus/ 之外（备份进语料目录会被当语料扫出垃圾节点）；构建是后台任务，旧图在构建期间可读，进程重启后断点续建、语义缓存命中不重复扣费。
置信度隔离区与证据血缘
- 隔离区：AMBIGUOUS 边默认不进主图、不进对话扩展；
include_quarantined=1时全量返回并打标，图谱页 2D 有「显示低置信边」开关；质量指标含quarantined_edges（graphify_service.py:1171-1183）。读侧过滤，产物不动。 - 边证据血缘：
graph_edges带evidence_doc_id/evidence_chunk_ids，由边的source_file解析回填；推理路径可附证据句（graphify_service.py:1213-1270）。 - 实体消歧审计：
entity_dedup_audit（app/services/graph_audit_service.py:44）生成三段诊断报表（同名漏网组 / 高相似未合并候选对 / 汇总），只读诊断不动数据，报告页折叠区块展示，展开才拉取。
文档入图与双图渲染
- 文档入图：
document进VALID_TYPES（09-17 P2-4），文档作为节点入语义图并可回溯原文；图片文档富化image_url，节点详情显示缩略图。音频不做（无音频资产）。 - 物理图：向量相似度成边，UMAP 2D 投影，全程零 LLM。UMAP/numba 计算子进程化（
app/services/physical_graph_umap.py，python -m调用），内存峰值随子进程退出释放——云端主进程基线从 780MB 降到 413MB，产物有水位失效 + 落盘缓存，重算是少数。 - 前端：2D 用 Canvas 自绘（命令录制与光栅合成两段性能账，贵的东西烘位图），3D 用 React Three Fiber 自研星系（
GalaxyScene.tsx）。知识网络页四个视图页签：3D相似 / 3D语义 / 2D相似 / 2D语义（GraphGalaxyPage.tsx:267-270）。 - 图谱模块页签：知识网络 / 智能查询 / 路径探索 / 图谱报告 / 跨脑桥梁 / 标签图谱 / 百科（
GraphLayout.tsx；简洁版无「智能查询」）。
自进化防抖
- 开启自进化后，写入不再立即重建——全量重建等于全语料逐篇 LLM 提取。防抖口径：停笔静默 300 秒（
_EVOLVE_QUIET_SECONDS）且距上次成功构建 ≥1800 秒（_EVOLVE_MIN_INTERVAL）才真正起建，期间写入只置 dirty 并重排计时器（graphify_service.py:1564-1568）。 - 查库失败不清 dirty 标记，排定的重建不得静默消失；构建期间有新内容写入，本次完成后补建一轮。
- 构建模型走推理档黑名单（
REASONING_MODEL_PATTERNS，见模型管理与双通道计费）；平台模型构建前预估费用，余额不足开工前直接提示。
下一步
- 模型管理与双通道计费：构建模型通道、推理档黑名单、估价与扣费
- 检索引擎与向量存储：关系意图分轨如何调用图谱扩展
- LLM Wiki：百科条目作为 wiki 节点进图谱
- 知识图谱（用户指南）：构建、智能查询、路径探索的操作说明