import CodeBlock from ‘../../../components/CodeBlock.astro’; import CopyButton from ‘../../../components/CopyButton.tsx’;

知識圖譜 (Knowledge Graph)

MemPalace 的知識圖譜將所有 Drawers 互相連接，形成一個連結的網絡。這讓記憶不再是孤立的碎片，而是可以相互參照、追蹤關聯的知識網。

知識圖譜核心概念

知識圖譜由以下三個元素組成：

Drawer (節點) ── Link (邊) ── Drawer (節點)

Link 類型：
├── references_to (來源引用)
├── relates_to (相關性)
└── extends_from (擴展關係)

Drawer 作為節點 (Nodes)

每個 Drawer 都是圖譜中的一個節點，包含：

• 自身內容（原文或見解）
• 元數據（標籤、時間戳記、來源）
• 關聯 Links（出入度）

Link 作為邊 (Edges)

Drawer 之間通過 Link 連接，形成關聯網絡：

# drawer-001.md
type: reference
title: "Claude Anthropic 4.5 模型能力概覽"
source:
  url: "https://docs.anthropic.com/claude-4-5"
links:
  - id: "ref-001"
    type: "references_to"
    target: "drawer-005"
    reason: "引用 Benchmark Report 中的性能數據"
  - id: "rel-001"
    type: "relates_to"
    target: "drawer-007"
    reason: "與 GPT-4o 對比相關"

Link 類型與使用情境

references_to（來源引用）

當您在會話中查看 View 會按【記憶化 (M)】時，系統會自動將當前會話內容的 Drawer 鏈接到被查看的 View 記憶：

# View 記憶（舊會話）
drawer-100:
  type: view
  title: "資源最佳化方案設計 (2026-01-15)"
  content: |-
    使用 CDN + 圖片壓縮減少 40% 傳輸流量
    ...

# 新會話中的 Drawer（引用 View 記憶）
drawer-250:
  type: observation
  title: "實施後成效分析"
  content: |-
    實施資源最佳化後，首頁載入時間從 3.2s 降至 1.8s
  links:
    - type: "references_to"
      target: "drawer-100"
      reason: "基於 2026-01-15 的設計方案實施"

relates_to（相關性）

用於手動關聯相關但非直接引用的 Drawers：

# drawer-010: API 認證機制設計
links:
  - type: "relates_to"
    target: "drawer-015"
    reason: "都涉及安全設計（認證 vs 加密）"

  - type: "relates_to"
    target: "drawer-018"
    reason: "都涉及 API 設計（認證 vs 版本管理）"

extends_from（擴展關係）

當一記憶是另一記憶的擴展或補充時使用：

# drawer-020: 基礎架構設計

# drawer-025: 擴展架構（含高可用性擴展）
links:
  - type: "extends_from"
    target: "drawer-020"
    reason: "在基礎架構上添加負載均衡與災難恢復設計"

知識圖譜的效能優勢

優勢 1：高相關性檢索

知識圖譜讓檢索不只是文本匹配，還考慮關聯權重：

# 查詢「API 設計」
$ mempalace search --query "API 設計"

# 圖譜加權結果（簡化示例）
Drawer: API 認證機制設計           # 文本匹配 1000
Drawer: API 版本管理策略             # 文本匹配 900
Drawer: 安全設計最佳實踐             # 文本匹配 200 → 750（關聯 +550）

系統會：

1. 計算文本匹配分數
2. 加上 graph 關聯權重（相關性高的 Drawer 权重增加）
3. 加上 freshness 權重（近期的 Drawers 权重略高）

優勢 2：連結記憶不會孤立

當您刪除一個 Drawer 時，知識圖譜會：

• 標記相關 Links 為 broken
• 在檢索時提示「相關記憶已被刪除」
• 避免因孤立 Memory 找不到相關資訊

# drawer-050: 被刪除的舊記憶
# 相關 Drawers 中的 Links 標記為：
links:
  - type: "relates_to"
    target: "drawer-050"
    status: "broken"
    reason: "該記憶已被刪除 (2026-07-16)"

優勢 3：追蹤知識演變

知識圖譜讓您可以追蹤一個概念如何隨時間演變：

# 查看某個 Drawer 的關聯樹
$ mempalace graph --root "drawer-020" --depth 2

Drawer: 基礎架構設計
  extends_from → drawer-025: 擴展架構（高可用性）
    extends_from → drawer-030: 多區域部署設計
  relates_to → drawer-015: 安全設計（認證機制）

如何維護知識圖譜

手动添加 Link

# 關聯兩個 Drawers
mempalace link --source "drawer-020" \
  --target "drawer-015" \
  --type "relates_to" \
  --reason "都涉及安全設計（認證 vs 加密）"

# 添加到現有 Drawer
mempalace edit --drawer "drawer-025" \
  --add-link '{
    "type": "extends_from",
    "target": "drawer-020",
    "reason": "在基礎架構上添加災難恢復設計"
  }'

清理 Broken Links

# 列出所有 broken links
mempalace graph --broken

# 自動清理 broken links（刪除被標記的連接）
mempalace graph --cleanup-broken

導出圖譜視覺化

MemPalace 支援導出知識圖譜為可視化格式：

# 導出為 Mermaid 與 YAML（Mermaid 則可渲染成圖）
mempalace graph --export --format mermaid+yaml,dot,graphml --output knowledge_graph

輸出示例（Mermaid 語法）：

graph TD
    drawer001["Claude Anthropic 4.5 模型能力概覽 (R)"]
    drawer005["Benchmark Report (R)"]
    drawer007["GPT-4o 對比 (R)"]
    drawer001 -->|"references_to"| drawer005
    drawer001 -->|"relates_to"| drawer007

知識圖譜的最佳實踐

✅ 定期清理 broken links：每月檢查並清理失效關聯
✅ 使用明確的 reason：Link reason 應解釋為何關聯（原則/共同概念/擴展方向）
✅ 平衡關聯密度：每個 Drawer 的 Links 數量 3-7 個為佳
✅ 定期導出視覺化：每月生成圖譜視覺化，快速識別孤立記憶

❌ 避免不明確的 reason：使用「相關議題」而非「都涉及設計」
❌ 避免過度關聯：每個 Drawer 關聯 20+ 個其他 Drawers 會降低信噪比
❌ 避免循環關聯：A 關聯 B、B 關聯 A、A 復關聯 B 的冗餘結構
❌ 避免 stale links：參考文件更新後，未同步更新相關 Links

知識圖譜與驗收指標

在 OpenSpec 變更中，記憶檢索的質量化為以下指標：

知識圖譜是提升 Precision 的關鍵：通過關聯權重排序，使高相關性的記憶浮現。

下一步

在掌握知識圖譜後，下一部分將介紹 MemPalace 的 36 個 MCP 工具，以及如何透過指令行與 IDE 整合進行記憶檢索與管理。