codejunkie99/graph-engineering

해결하는 문제

AI 에이전트의 단순한 프롬프트 엔지니어링에만 의존하는 한계를 해결하기 위해 '그래프 엔지니어링'을 도입합니다. 이 접근법은 에이전트가 정보를 기억하는 방식(지식 그래프)과 작업을 실행하는 방식(작업 그래프)의 구조적 토폴로지 설계에 초점을 맞춰 신뢰성과 확장성을 향상시킵니다.

작동 방식

이 프로젝트는 AI 에이전트(예: Claude Code)에 통합할 수 있는 프레임워크와 '스킬' 세트를 제공합니다. 지식 그래프 생성을 위한 구조화된 9단계 파이프라인(범위 설정 → 표현 → 온톨로지 설계 → 엔티티 → 관계 → 이벤트 → 품질 게이트 → 융합 → LLM에 제공)을 구현합니다. 작업 실행에서는 '다이아몬드'(병렬 워커와 별도의 검증자) 및 '사람 게이트'와 같은 특정 아키텍처 패턴을 적용하여 복잡한 워크플로우를 관리합니다.

대상 사용자

간단한 프롬프트에 그치지 않고, 구조화된 지식과 최적화된 실행 흐름을 사용해 고도화된 에이전트 시스템을 구축하고자 하는 개발자 및 AI 엔지니어를 위한 것입니다.

주요 특징

• 9단계 KG 파이프라인: 지식 그래프 구축을 위한 엄격한 프로세스(범위 → 표현 → 온톨로지 → 엔티티 → 관계 → 이벤트 → 품질 게이트 → 융합 → 제공)
• 작업 그래프 패턴: Google DeepMind 및 MIT의 연구 기반 오케스트레이션 규칙 구현, 병렬 팬아웃 및 전략적 인간 중개 게이트 포함
• 에이전트 준비 스킬: AI 에이전트가 사용자에게 그래프 엔지니어링을 가르치거나 문서에서 그래프를 직접 구축할 수 있도록 하는 패키지화된 스킬 파일과 프롬프트 블록
• 학술적 기반: 동남대학교 대학원 수준의 지식 그래프 과정과 Google DeepMind, MIT의 연구를 요약한 내용