Semi-Brain Knowledge Wiki System¶
概念概覽
系統升級架構¶
核心知識¶
系統升級架構¶
本 session 的核心驅動力是用戶對「彙整品質」的不滿，參考 Karpathy 的方法論後，分三個階段進行改造：
Phase 1：雙向連結基礎¶
- backlink_pass.py：後處理腳本，掃描所有概念頁面並自動插入
## Backlinks區塊，解決原本只有單向連結的問題 - mkdocs-roamlinks-plugin：允許用
[[WikiLink]]語法撰寫連結，降低知識記錄摩擦
Phase 2：語意索引 + 去重¶
- 整合 obra/knowledge-graph 作為 CI 步驟，對
docs/concepts/產出語意索引 - 在
wiki_manager.py的概念提取階段加入「語意重複檢查」，避免概念碎片化 - 選擇 obra/knowledge-graph（選項 B）而非自建向量搜尋（選項 A），因為它能揭示知識結構而非只做去重
Phase 3：視覺化 + 效能¶
knowledge-graph.md改為語意圖譜視覺化頁面- 加入 Hot Cache 機制加速查詢
知識 Consolidation¶
知識庫存在大量重複（如 ComfyUI、1M CCU 主題），需要先做 consolidation 再回頭做 Phase 3.5/3.6，步驟為： 1. 掃描所有概念頁面，用語意相似度分群 2. 找出高信心 group（> 0.85 相似度） 3. 選項 A：只 apply 4 個高信心 group 4. 逐步合併，保留原始 slug 做 redirect
經驗教訓¶
-
知識庫品質問題的根源往往是「概念碎片化」而非「資訊不足」，需要語意層面的去重而非只增加資訊
-
obra/knowledge-graph 比自建向量搜尋更適合知識結構揭示，因為它能做真正的語意索引
-
backlink 雙向連結是知識圖譜的基礎，必須在 CI/後處理階段自動維護
-
consolidation 應在語意圖譜視覺化之前完成，否則圖譜只會展示碎片化結構
常見陷阱¶
-
只做向量搜尋去重（選項 A）無法揭示知識結構，無法改善彙整品質
-
先做視覺化再做 consolidation 會讓圖譜展示的是碎片化狀態
-
mkdocs-material 重新安裝後需重建環境，注意版本衝突
最佳實踐¶
-
用 backlink_pass.py 在 MkDocs build 前自動插入反向連結，不依賴手動維護
-
WikiLink 語法（
[[概念名]]）比 Markdown 連結更適合知識庫，降低撰寫摩擦 -
語意相似度 > 0.85 才做自動合併，避免錯誤 consolidation
-
consolidation 要處理全域知識庫而非只針對某個主題，避免局部最優
相關概念¶
來源 Sessions¶
| 日期 | Session | 貢獻摘要 |
|---|---|---|
| 2026-04-12 | a0379709-073f-4231-a61f-87b8486559f7 | 本 session 完成了從發散知識庫到結構化語意知識圖譜的完整升級路徑（Phase 1-3） |