Knowledge Graph 是一个基于文件的知识图谱维护工具，专为需要确定性更新而非手动编辑 JSON 的场景设计。它通过 Python 脚本实现对 Clawdbot 项目下 `life/areas/**` 目录中复合知识图谱的安全操作，确保数据的一致性与可追溯性。该工具的核心理念是原子事实的添加与替换，同时自动生成实体摘要，并保持 ID 的唯一性和连续性。所有操作均围绕实体（entity）、类别（category）和具体事实（fact）展开，支持版本控制式的更新机制，避免直接删除历史记录。 系统将每个实体组织在独立路径下，如 `people/safa`，其事实存储于 `items.json` 数组中，摘要则写入 `summary.md` 文件。每次新增或替换事实时，会自动分配递增的 ID（如 `safa-001`, `safa-002`），便于追踪变更历史。这种结构特别适合长期演进的知识库管理，尤其是在团队协作或自动化流程中，要求变更可审计、可回滚的场景。 与传统的 JSON 编辑器不同，Knowledge Graph 强调语义层面的操作：用户只需指定实体、类别和事实内容，脚本自动处理元数据和文件同步。这不仅减少了人为错误，也提升了大规模知识更新的效率。无论是记录个人技能变化、项目状态迁移，还是构建领域特定的本体关系，该工具都能提供稳定、可扩展的支持框架。
核心功能特点
- 支持通过命令行安全添加新事实，自动分配唯一递增 ID
- 允许用新事实替代旧事实，保留历史版本并标记为 superseded
- 可批量生成实体摘要，从活跃事实中聚合信息到 summary.md
- 采用文件化存储结构，实体与事实分离，便于版本控制与审计
- ID 按实体自动编号，确保跨时间的数据一致性和可追溯性
- 禁止直接删除事实，强制使用 supersede 机制维护数据完整性
适用场景
Knowledge Graph 特别适用于那些需要持续积累和精确维护知识资产的环境。例如，在个人知识管理系统中，用户可以记录自身技能发展轨迹——从最初在树莓派上运行 Clawdbot，到迁移至 Mac mini，每一次技术栈变更都被系统性地捕获并关联到对应实体。这种细粒度的记录方式，使得回顾成长路径变得直观而可靠。 在企业级应用场景中，该工具可用于跟踪项目状态演变、团队成员职责调整或产品功能迭代。假设某团队负责人需要记录每位成员当前负责的技术模块及其变更原因，Knowledge Graph 能自动维护每个人的事实条目，并在生成摘要时整合出清晰的职责分工视图。由于所有操作都基于脚本驱动，因此非常适合集成进 CI/CD 流程或自动化报告生成系统。 此外，对于学术研究或创意写作等依赖长期知识沉淀的领域，Knowledge Graph 提供了一种非侵入式的内容管理方案。研究者可以不断补充实验发现、理论假设或文献笔记，而无需担心数据结构混乱。系统保证每次更新都是确定性的，且不影响已有引用关系，从而为后续分析、综述撰写或知识复用奠定坚实基础。