KnowledgeForge

KnowledgeForge 是一个面向领域知识工程的知识库构建系统。当前真实代码流程以“先规划知识结构，再按文件生成和补证据”为主线：用户输入会先做真实意图识别和领域归一化，随后由 LangGraph 生成知识结构图谱、初始化 Neo4j 任务图、串行生成知识点 Markdown 文件、执行文件级证据队列，并在每条证据完成后即时回写目标文件和图谱状态。

项目当前遵循以下约束：

• Web 界面基于 Flask
• 工作流编排基于 LangGraph
• 本地知识文档按 save/{领域名称}/{子领域名称}/{文档文件名}.md 存储
• 领域目录包含 save/{领域名称}/README.md 和 knowledge_task_queue.json
• 图谱存储基于 Neo4j，并实时承载任务进度状态
• ChromaDB 仅作为后续阶段预留能力，不进入当前主流程

核心流程

1. 输入领域或描述，统一经过 intake 真实意图识别和领域归一化，例如 DL 会归一化为 Deep Learning。
2. LangGraph 生成领域知识结构图谱，并派生二级领域、知识点文件蓝图和保存路径。
3. Neo4j 前置同步结构图谱，结构节点初始为 planned。
4. 系统串行生成每个知识点 Markdown 文件；文件开始生成、落盘、待证据、完成等状态会同步到任务状态和 Neo4j。
5. 从每个文件的 contract 块提取 query_tasks，写入领域级 knowledge_task_queue.json。
6. Query / Media 按队列执行证据任务；每个任务完成后立即回写目标 Markdown、队列 JSON、图谱节点状态和 SSE payload。
7. 子节点状态变化后自动聚合父级 SubTopic / Domain 完成状态。
8. 最后执行治理链路：结构化抽取、Neo4j 路径关联、质量检测、版本冻结和可选研报。

更多设计说明见：

• docs/项目需求.md
• docs/知识文档格式规范.md
• docs/流程执行文档.md

快速启动

1. 安装依赖

uv sync

2. 准备环境变量

cp .env.example .env

3. 按需填写 .env

• OPENAI_API_KEY / OPENAI_BASE_URL / OPENAI_MODEL
• OPENAI_EMBEDDING_API_KEY / OPENAI_EMBEDDING_BASE_URL
• NEO4J_URI / NEO4J_USER / NEO4J_PASSWORD
• MYSQL_DATABASE_URL

4. 启动 Web 控制台

uv run python app.py

默认访问地址：

• http://127.0.0.1:5001

界面截图

控制台总览

展示流程图、交互式输入、任务操作、生成与查询队列状态、Neo4j 实时知识图谱。

目录说明

• knowledgeforge/server/：Flask 后端入口与 API 路由
• knowledgeforge/web/：前端模板与静态资源
• knowledgeforge/agent/：InsightEngine、QueryEngine、MediaEngine 的能力实现
• knowledgeforge/orchestrator/：LangGraph 工作流和运行状态
• knowledgeforge/graph/：Neo4j 写入、状态同步和快照读取
• knowledgeforge/storage/：Markdown 写入、即时资料保存和 contract 回写
• save/：领域知识文档、README 索引和领域级任务队列
• docs/：需求、流程、格式规范与设计资料
• tests/：自动化测试

当前状态

项目当前已具备：

• intake 澄清会话和直接任务入口的统一意图识别
• 结构图谱生成、蓝图派生和 Neo4j 前置同步
• 串行知识点文件生成和文件级 contract
• Query / Media 文件级证据任务队列
• 每条证据完成后的 Markdown / 队列 / 图谱即时回写
• SSE 直接推送任务状态、图谱快照和文件回写事件
• 领域 README、子领域 README、实时资料索引刷新
• 结构化治理、质量检测、版本冻结和研报生成入口