知识图谱

Hebb Mind 内置了基于标签的知识图谱，在记忆巩固过程中自动构建，用于增强检索和发现记忆之间的关联。

实现方式

• 图引擎：NetworkX（内存中的图数据结构）
• 持久化：JSON 文件（knowledge_graph.json），自动存储在工作目录中（文件路径由工作目录决定）
• 节点：标签（tag），每个节点关联一组 memory ID
• 边：共现关系 — 两个标签在同一条记忆中同时出现时，它们之间就会建立一条边

构建过程

巩固代理在处理记忆时会提取标签，这些标签自动进入知识图谱：

1. LLM 从记忆内容中提取关键标签（如 "Python"、"异步编程"、"性能优化"）
2. 每个标签成为图中的一个节点
3. 同一条记忆的标签之间自动建立共现边
4. 边的权重随共现次数增加而增大

在搜索中的作用

知识图谱在混合检索中有两种用法：

1. 并行召回（搜索时）

在三路并行检索中，图谱路负责：

• 将搜索查询与图谱中的标签匹配
• 沿边扩展到 1-hop 邻居标签
• 收集关联的 memory ID 并返回

2. 后置扩展（结果返回前）

搜索主结果确定后：

• 从 top-K 结果中提取所有标签
• 通过图谱边发现关联记忆
• 作为 related 字段返回，帮助用户发现相关但未直接匹配的记忆

API 端点

端点	方法	说明
/api/v1/graph/tags	GET	列出所有标签节点
/api/v1/graph/tags?q=python	GET	搜索匹配的标签
/api/v1/graph/tags/{tag_id}	GET	获取标签详情
/api/v1/graph/neighbors/{tag_id}	GET	查询邻居节点（支持 depth 参数）
/api/v1/graph/path?from=A&to=B	GET	查找两个标签之间的最短路径
/api/v1/graph/export	GET	导出完整图谱数据

示例

查询某个标签的邻居：

curl http://localhost:8321/api/v1/graph/neighbors/python?depth=2

查找两个概念之间的路径：

curl "http://localhost:8321/api/v1/graph/path?from=python&to=web-development"

导出完整图谱（可用于可视化）：

curl http://localhost:8321/api/v1/graph/export

Web 控制台可视化

在 Web 控制台中可以直观地浏览知识图谱，查看标签之间的关系网络，点击节点可以查看关联的记忆。