KNOWLEDGE_GRAPH_EXAMPLE.md

AgentGraph Knowledge Graph 完美示例

这是一个完整的、生产就绪的 Knowledge Graph 示例，展示了 AgentGraph 的所有核心功能。

📊 数据概览

• 实体数量: 6 个（Agent, Task, Input, Output, Human, Tool）
• 关系数量: 6 个（涵盖所有标准关系类型）
• 失败检测: 3 个实际问题（拼写错误、系统缺陷、流程问题）
• 优化建议: 4 个可操作的改进方案
• 质量分数: 0.89/1.0 整体评分

🎯 核心特性展示

✅ 完整的实体模型

每个实体都包含：

• 清晰的raw_prompt内容（无转义字符）
• 精确的ContentReference引用（带置信度）
• 正确的重要性级别分类
• 有意义的实体名称

✅ 丰富的关系描述

每个关系都具备：

• 详细的interaction_prompt说明
• 准确的源实体和目标实体映射
• 正确的关系类型使用
• 实际的交互场景描述

✅ 智能失败检测

实现了 3 种失败类型：

• HALLUCINATION: 用户输入拼写错误
• AGENT_ERROR: 系统提示拼写错误
• PLANNING_ERROR: 缺失验证步骤

✅ 实用优化建议

提供了 4 类优化建议：

• PROMPT_REFINEMENT: 提示词改进
• WORKFLOW_SIMPLIFICATION: 流程优化
• TOOL_ENHANCEMENT: 工具增强
• 反馈机制: 质量改进循环

✅ 高质量元数据

包含完整的处理信息：

• 内容解析统计
• 窗口处理信息
• 合并去重统计
• 质量评估指标

🚀 使用方式

1. 作为初始数据

# 将此文件用作系统初始化数据
cp sample_knowledge_graph.json data/initial_knowledge_graph.json

2. 作为测试数据

# 用于功能测试和展示
curl -X POST /api/knowledge-graphs \
  -H "Content-Type: application/json" \
  -d @sample_knowledge_graph.json

3. 作为参考模板

开发者可以参考此结构创建新的 knowledge graphs

🎨 前端展示效果

此示例支持以下前端功能：

实体可视化

• 颜色编码: 基于类型和重要性
• 大小调整: 反映实体重要性
• 工具提示: 显示 raw_prompt 内容

关系展示

• 箭头方向: 明确的数据流向
• 线条样式: 区分不同关系类型
• 交互说明: 悬停显示 interaction_prompt

问题突出显示

• 失败标记: 红色边框或图标
• 风险分类: 不同颜色表示风险类型
• 影响范围: 突出显示受影响的实体

优化建议面板

• 建议列表: 右侧面板显示
• 优先级排序: 基于影响范围
• 操作按钮: 快速应用建议

📋 质量指标

指标	分数	说明
整体质量	0.89	高质量 knowledge graph
实体质量	0.91	实体定义清晰准确
关系质量	0.88	关系映射正确完整
内容引用	0.87	ContentReference 准确
失败检测	0.92	问题识别全面
优化相关性	0.86	建议实用可行

🔄 更新建议

定期使用此模板检查新生成的 knowledge graphs 是否具备：

1. ✅ 所有必需字段
2. ✅ 非空的 failures 和 optimizations 数组
3. ✅ 正确的 ContentReference 格式
4. ✅ 有意义的 system_summary
5. ✅ 完整的元数据信息

📝 最佳实践

基于此示例，建议在 AgentGraph 中：

1. 始终包含失败检测，即使没有发现问题也要有空数组
2. 提供优化建议，展示系统的分析能力
3. 使用置信度评分，帮助用户评估结果质量
4. 编写流畅的 system_summary，包含指代词的自然叙述
5. 确保 ContentReference 准确性，支持内容溯源

---

此示例代表了 AgentGraph knowledge extraction 的最高质量标准，可直接用于生产环境。