codejunkie99/graph-engineering

解決的問題

透過引入「圖工程」，解決僅依賴提示工程設計 AI 代理的限制。此方法聚焦於設計代理記憶資訊（知識圖譜）與執行任務（任務圖譜）的結構拓撲，以提升可靠性和可擴展性。

工作原理

本專案提供一個框架與一組可整合至 AI 代理（如 Claude Code）的「技能」。實作一個結構化的 9 階段知識圖譜建立流程——從範圍界定、本體設計到融合與提供給 LLM。在任務執行方面，應用特定的架構模式，如「鑽石」（並行工作者搭配獨立驗證者）與「人類網關」，以管理複雜工作流程。

適用對象

專為希望超越簡單提示、利用結構化知識與優化執行流程建構複雜代理系統的開發者與 AI 工程師設計。

主要亮點

• 9 階段 KG 流程：建立知識圖譜的嚴謹流程（範圍 → 表示 → 本體 → 實體 → 關係 → 事件 → 質量門 → 融合 → 提供）
• 任務圖模式：實現基於研究的編排規則，包括平行分叉與戰略性人機協作網關
• 代理就緒技能：打包的技能檔案與提示區塊，使 AI 代理能向使用者教授圖工程，或從文件中主動建構圖譜
• 學術基礎：萃取東南大學研究生級知識圖譜課程及 Google DeepMind、MIT 的研究成果