跳轉到

Obra Knowledge Graph Semantic Indexing

概念概覽

obra/knowledge-graph 整合策略

核心知識

obra/knowledge-graph 整合策略

選擇依據（對比自建向量搜尋）

面向 選項 A（自建向量搜尋） 選項 B（obra/knowledge-graph）
工作量 較少 多 2 小時
能力 去重 揭示知識結構
彙整品質改善 一般 顯著
未來 Phase 3.5+ 成本 需 2-3 天自建 已內建

選擇 obra/knowledge-graph 的核心原因：它能**揭示知識結構**，而不只是做相似度去重。

整合步驟

  1. 在 /tmp clone obra/knowledge-graph，對 docs/concepts/ 跑一次 index 和 search 驗證可用性
  2. 確認可用後撰寫 Python adapter，整合到 wiki_manager.py 的概念提取階段
  3. 加入 CI 步驟，每次 push 後自動更新語意索引
  4. 語意索引輸出作為「語意重複檢查」的輸入，阻擋碎片化概念提交

語意重複檢查邏輯

# 在 wiki_manager.py 提取新概念時：
# 1. 用 obra 的 search API 找相似概念
# 2. 相似度 > 0.85 → 警告並建議合併到既有概念
# 3. 相似度 0.7-0.85 → 建議加 related_concepts 連結
# 4. 相似度 < 0.7 → 允許創建新概念

經驗教訓

  • 語意知識圖譜的價值在於「揭示結構」而非「去重」，這是選擇工具的關鍵判斷標準

  • 先在 /tmp 做小規模驗證再整合到 CI，降低整合失敗的風險

  • 語意相似度閾值需調校：太高會漏掉真正的重複，太低會錯誤合併不同概念

常見陷阱

  • 若 obra/knowledge-graph 對中文支援不佳，需切回選項 A 或找替代方案

  • 語意索引需定期重建，否則新增概念不會被納入相似度計算

最佳實踐

  • 整合前先做本地驗證（/tmp clone + 手動跑 index/search）

  • 語意重複檢查應在概念提取階段介入，而非事後批次處理

  • 保留高信心（>0.85）合併，中信心（0.7-0.85）只加連結，保護知識多樣性

相關概念

來源 Sessions

日期 Session 貢獻摘要

| 2026-04-12 | a0379709-073f-4231-a61f-87b8486559f7 | 本 session 評估並選擇 obra/knowledge-graph 作為語意知識索引方案，優於自建向量搜尋 |

本概念頁面由 Semi-Brain Wiki 系統自動維護

最後更新: 2026-04-12