codejunkie99/graph-engineering

何を解決するか

AIエージェントの設計にのみプロンプトエンジニアリングに依存するという限界に対処するために、「グラフエンジニアリング」を導入します。このアプローチは、エージェントが情報を記憶する方法（知識グラフ）と作業を実行する方法（タスクグラフ）の構造的トポロジーを設計することに焦点を当て、信頼性とスケーラビリティを向上させます。

動作方法

このプロジェクトは、AIエージェント（例：Claude Code）に統合可能なフレームワークと「スキル」のセットを提供します。知識グラフ作成のための構造化された9段階パイプライン（スコープ設定 → 表現 → オントロジー設計 → エンティティ → 関係 → イベント → フェーズ品質ゲート → フュージョン → LLMへの提供）を実装しています。タスク実行では、「ダイアモンド」（並列ワーカーと個別の検証者）や「人間ゲート」などの特定のアーキテクチャパターンを適用して、複雑なワークフローを管理します。

対象ユーザー

シンプルなプロンプトにとどまらず、構造化された知識と最適化された実行フローを使用して高度なエージェントシステムを構築したい開発者やAIエンジニア向けに設計されています。

主な特徴

• 9段階KGパイプライン: 知識グラフ構築の厳密なプロセス（スコープ → 表現 → オントロジー → エンティティ → 関係 → イベント → フェーズ品質ゲート → フュージョン → 提供）
• タスクグラフパターン: Google DeepMindやMITの研究に基づく、並列ファンアウトや戦略的な人間による中間確認ゲートを含むオーケストレーションルールの実装
• エージェント対応スキル: エージェントがユーザーにグラフエンジニアリングを教えるか、ドキュメントからグラフを実際に構築できるようにする、パッケージ化されたスキルファイルとプロンプトブロック
• 学術的基盤: 東南大学の大学院レベルの知識グラフコースとGoogle DeepMind、MITの研究を要約した内容