oomol-lab/wiki-graph

解决的问题

Wiki Graph 通过将大量长文本（如书籍、会议记录和内部文档）转换为可维护的结构化知识库，解决了管理难题。它不是让 LLM 在每次查询时都从头开始重新阅读原始材料，而是将文本编译成一种持久的格式，其中实体和关系被提取并可以追溯到原始来源。

工作原理

该工具使用 CLI 将文本处理为 .wikg 存档。它利用 WikiSpine 来识别与 Wikipedia/Wikidata QID 对齐的公开实体，从而提供稳定的语义基础。然后使用 LLM 进行消歧和过滤。

核心组件包括：

• Knowledge Graph：提取实体和三元组 (subject --predicate--> object) 以创建结构化的信息网络。
• Reading Graph：将文本分解为认知块并将其组织成阅读链，以生成压缩且可追溯的摘要。
• Evidence Tracking：每个提取的实体或关系都链接到源文本中的特定章节和句子，以便进行验证。
• URI System：使用稳定的基于 URI 的寻址系统（例如 wikg://book.wikg/entity/Q8018）来访问存档中的特定范围或对象。

适用对象

专为需要构建知识密集型工作流的开发人员和 AI Agent 创建者设计，在这些工作流中，信息必须是可搜索、可验证且可移植的。对于那些正在实现用于长文本知识生产的“LLM Wiki”概念的人来说，它特别有用。

亮点

• 来源可溯源：每一条知识都有指向原始源文本的证据支持。
• 公开实体对齐：使用 Wikidata/Wikipedia 对齐来确保稳定性，并避免纯生成式提取中常见的幻觉问题。
• 可移植知识：.wikg 格式允许像书籍或课程一样共享、备份和交付知识库。
• CLI 优先设计：提供全面的命令行界面，并具有可发现的帮助网络，以便轻松集成到 Agent 工作流中。