#knowledge-graph 仓库
共 210 个仓库
将任何代码库转化为以形式化方法为基础的知识图谱。让您的 AI 智能体针对任何与代码相关的任务获得准确答案,确保正确性,并优化时间和 token 使用。
本地优先的 LLM Wiki:开源知识图谱构建器、RAG 知识库和智能体记忆存储。基于 Andrej Karpathy 的模式构建。它是 Obsidian 的替代方案,适用于个人知识管理、AI 第二大脑,以及为 Claude Code / Codex / OpenClaw 提供持久化记忆。
白箱 AGI 架构探索:元认知(自我认知循环)、持续学习(知识飞轮)、世界模型(条件空间 + 语义时空图)、自我改进(自举纪律)、零 LLM 白箱管线与可审计的信任护栏。
由大语言模型监督的 AI 智能体持久化记忆——基于图谱的召回、跨会话知识、单一二进制文件。支持 DeepSeek Harness、Claude Code、OpenClaw 以及任何智能体运行时。
Graph Data Science:一个 Python 中的抽象层,用于构建知识图谱,与流行的图谱库集成 – 基于 Pandas、NetworkX、RAPIDS、RDFlib、pySHACL、PyVis、morph-kgc、pslpython、pyarrow 等。
Deepseek Harness,OpenClaw 知识图谱记忆插件。于 2026 年 4 月受邀在清华大学讨论会上发布。知识图谱 + 记忆;面向 OpenClaw 的知识图谱上下文引擎——从对话中提取结构化三元组,将上下文压缩 75%,并支持跨会话复用经验。
使用完全本地化的 Graph RAG 引擎,跨 Markdown 笔记提问。专为 Obsidian vault 打造,也适用于任何包含 Markdown 文件的文件夹。从维基链接和 YAML frontmatter 中提取实体-关系三元组,并通过混合搜索(向量 + BM25 + 时间)检索答案。支持多语言。无需云端。运行于 Ollama。
这是Think-on-Graph (ICLR 2024)的官方GitHub仓库。如果您对我们的工作感兴趣或愿意加入我们在深圳的研究团队,请随时通过电子邮件 ([email protected]) 与我们联系。
Excel 到 Neo4j 知识图谱示例:传统的 py2neo v3 以及现代的 Neo4j GraphRAG/向量搜索。
面向多智能体AI开发的意图驱动工作流编排——自适应生命周期引擎、自强化知识图谱,以及适用于Claude Code、Gemini、Codex等的可视化仪表盘
Caura(原名 MemClaw)——面向 AI 智能体集群的受治理共享记忆。支持多智能体、多租户,原生兼容 MCP。信任层级、基石策略、审计追踪、知识图谱、自我改进的检索。Apache 2.0 许可证。
GraphRAG-rs 是一个高性能、最先进的 Rust 实现的 GraphRAG(基于图的检索增强生成),它从文档构建知识图谱,并通过可配置的实体提取和本地 LLM 集成实现自然语言查询
本地优先的全栈 AI 创作工作站:AI 对话、AI 漫画、漫剧创作、写作台、知识学习五大模块;支持 vLLM / llama.cpp / Transformers 多引擎本地推理、显存智能调度、舱壁隔离与自愈。仅供学习使用,欢迎交流指正。(除插件系统外,最新进度受协议限制,暂时无法提交到仓库。)
混合式 RAG 系统,结合向量搜索、知识图谱(LightRAG)和跨编码器重排序,并支持 Docling 文档解析、视觉智能(图像/表格字幕生成)、智能体流式聊天和行内引用。由 Gemini 或本地 Ollama 模型驱动。
🧠 基于人工智能的个性化考试系统:集成 OpenPangu 大语言模型、知识图谱 RAG 和 BKT 算法,实现自适应题目生成与推荐。基于 LLM 与知识图谱的智能个性化出题系统。
面向 AI 智能体的结构化代码智能——语义搜索、知识图谱和内置 MCP 服务器,集成于一个 Rust 二进制文件中。让 Claude、Cursor 和任何 MCP 客户端深入理解你的代码库。