Graph Engineering — knowledge graph and task graph topology for agents
Graph Engineering — knowledge graph and task graph topology for agents
为什么值得关注
Graph Engineering 把 agent 工程的注意力从“提示词怎么写”转向“agent 在什么拓扑里记忆与行动”。它把两类图放在一起：知识图谱决定 agent 记住什么、如何合并事实、如何服务给 LLM；任务图决定 agent 如何分工、并行、验证、停止和让人类接管。这对 Context-Engineering、Harness-Engineering 和 Loop-Engineering 都有直接价值：llm-wiki 当前已经有 raw、source、concept、index、vector index，但还缺一层显式的实体/关系/任务拓扑检查。
深度判断：值得晋升为正式 source 页，因为它提供可复用方法论（9 阶段知识图谱流水线 + task-graph rules），能直接改进用户的 Hermes / llm-wiki 工作流，而不只是一个工具 README。
机制 / 一阶原理
Graph Engineering 的核心机制是：先建模再抽取，先融合再存储，每个阶段都设置质量门禁。知识图谱侧的 9 阶段可概括为 scope → representation → ontology → entities → relations → events → quality gate → fusion → serve to LLMs。任务图侧则强调删除假依赖边、使用 split → parallel workers → separate verifier 的 diamond pattern、明确 stop rule 与 human gate。
这和普通 RAG 的区别在于：RAG 往往在查询时临时找片段；知识图谱要求在入库时就把实体、关系、事件、来源、时间和冲突处理好。对 agent 而言，图不是展示层，而是压缩和约束层：它减少重复探索，也让“为什么给出这个上下文”更可解释。
与现有 wiki 概念的关系
- 对 LLM-Wiki：当前 wiki 主要是 markdown + wikilink + vector search。Graph Engineering 提醒我们可以给高价值领域加一层 lightweight ontology，例如 source / concept / entity / benchmark / harness / skill / control-plane 的关系。
- 对 Context-Engineering：图谱是 context provider，但必须评估 adoption、determinism 和 token efficiency；否则只是更复杂的上下文负担。
- 对 Harness-Engineering：任务图把 workflow 从 prompt 约束升级为可验证结构，尤其是独立 verifier、stop rule 和 human gate。
- 对 Agentic-Engineering：图拓扑是 agent 可靠性的工程对象，和模型能力同等重要。
对 Hermes / llm-wiki 的可执行启发
- 为 radar ingest 增加候选关系字段：每次 source 页应标注它主要强化了哪些概念、是否引入新实体/benchmark/tool/control-plane。
- 把“晋升决策”图谱化：raw-only、source-page、concept-update、comparison-page 不应只靠文本日志，应能形成从 candidate → evidence → decision 的链。
- 将 verifier 从执行者分离：每日雷达的最终 QA 可增加一个脚本化检查：新 source 是否在 _index 中、是否有 2+ wikilinks、是否有写入记录、raw sha256 是否存在。
- 避免图谱过早重型化：现阶段不需要 Neo4j；用 markdown frontmatter + wikilinks + 小型 lint 就足够。
失败模式 / 边界条件
- 图谱洁癖：过度追求 ontology 完整性会拖慢摄入，导致 wiki 成为数据建模项目而不是学习系统。
- 假边泛滥：wikilink 如果只是“相关词”而非真实概念依赖，会污染 Obsidian graph 和未来语义检索。
- 抽取幻觉：LLM 自动抽实体/关系时容易把 README marketing claim 当事实；需要 raw provenance 与 confidence 标记。
- 任务图僵化：所有任务都强制 split/verify/human gate 会提高固定成本，适合高风险或高价值任务，不适合浅层 digest。
写入记录
- 2026-07-28 09:00 CST：基于 GitHub README 深度入库 Graph Engineering，提炼知识图谱 + 任务图对 llm-wiki / agent harness 的启发。