Files
airport-wiki/concepts/knowledge-management/knowledge-graph.md
T

204 lines
7.5 KiB
Markdown
Raw Normal View History

2026-04-15 14:48:14 +08:00
---
title: 知识图谱
created: 2026-04-13
updated: 2026-04-15
2026-04-15 14:48:14 +08:00
type: concept
tags: [knowledge-management, knowledge-graph, entity, typed-relationship]
sources: [raw/articles/llm-wiki-v2-rohitg00.md]
sources_count: 0
confidence: 0.5
last_confirmed: 2026-04-15
status: active
2026-04-15 14:48:14 +08:00
---
# 知识图谱
## 概述
传统 wiki 是页面的平面集合,通过 wikilinks 连接。规模化后这种模式的局限显现:链接只说"A 与 B 相关",不说明**如何**相关。知识图谱在页面之外增加结构化关系层,让查询可以从"A 出发,追踪所有依赖 B 的节点"。
本页阐述知识图谱在本 wiki 中的设计与集成方案。
源自 [LLM Wiki v2](https://gist.github.com/rohitg00/2067ab416f7bbe447c1977edaaa681e2)。
## 核心思想
> 页面(pages)用于阅读,图(graph)用于导航和发现。
当用户问"升级 Redis 版本的影响"时:
- **页面搜索**:关键词匹配,返回包含 Redis 的页面
- **图遍历**:从 Redis 节点出发,沿 `depends_on` / `uses` 边向外走,追踪所有下游实体
---
## 实体提取(Entity Extraction
摄入来源时,提取结构化实体而非仅存储文本。
### 实体类型
| 实体类型 | 示例 |
|----------|------|
| **机场** | 深圳宝安机场、郑州航空港、福州长乐机场 |
| **供应商** | NVIDIA、Vertiv、华为、ADB SAFEGATE、Amadeus |
| **硬件型号** | GB200 NVL72、H100 SXM5、HGX H100 |
| **系统/平台** | AODB、A-CDM、SMGCS、BHS |
| **标准/协议** | NCCL、RDMA、RoCE、Infiniband |
| **项目** | 郑州万卡集群、福州长乐智算中心 |
| **人/组织** | (可选择是否记录)|
### 实体元数据
```yaml
# entities/shenzhen-airport.md frontmatter 扩展
type: entity
entity_type: airport # airport | vendor | hardware | system | standard | project
confidence: 0.95
sources_count: 3
relationships: # 预定义关系(也在页面正文中用 wikilink)
- target: gpu-cluster-shenzhen
type: deploys
confidence: 0.9
- target: nvidia-h100
type: uses
confidence: 0.95
- target: aodb-core
type: operates
confidence: 0.85
```
---
## 类型化关系(Typed Relationships
Wikilink 只说"A 连接到 B"Typed Relationship 说明**关系的语义**。
### 预定义关系类型
| 关系类型 | 含义 | 示例 |
|----------|------|------|
| `deploys` | 部署/安装 | 深圳机场 deploys GPU集群 |
| `uses` | 使用(某技术/产品) | 深圳机场 uses NVIDIA GB200 |
| `depends_on` | 依赖 | GPU集群 depends_on 液冷系统 |
| `contradicts` | 矛盾/否定 | 旧方案 contradicts 新方案 |
| `supersedes` | 替代 | GB200 supersedes H100 |
| `caused` | 导致 | 功耗过高 caused 液冷需求 |
| `integrates_with` | 与…集成 | AODB integrates_with A-CDM |
| `competes_with` | 竞争 | Amadeus AODB competes_with ADB SAFEGEGO AODB |
| `part_of` | 属于/组成 | BHS part_of 行李处理系统 |
| `references` | 参考 | 本文 references NVIDIA白皮书 |
### 关系置信度
每条关系独立持有置信度:
> 深圳机场 uses GB200 NVL72,关系置信度 0.9(来源:深圳机场官方报道 + 华为官宣)
---
## 图遍历查询示例
### 示例 1:寻找 GPU 集群依赖
```
问题:郑州航空港 GPU 集群的电力需求是多少?
图遍历路径:
郑州航空港
→ deploys → gpu-cluster-zhengzhou
→ uses → GB200 NVL72
→ power_draw → 查询 power-and-cooling.md
→ depends_on → 液冷系统
→ 答案:NVL72 单卡 1200W72卡集群 86.4MW(需液冷)
```
### 示例 2:供应商竞争分析
```
问题:ADB SAFEGATE 和 Amadeus 在 AODB 领域有何差异?
图遍历:
ADB SAFEGATE AODB
→ competes_with → Amadeus AODB
→ 两者都 integrate_with → A-CDM
→ 参考 aodb-vendors.md 对比表
```
### 示例 3:故障链追溯
```
问题:机坪 FODS 传感器故障影响了哪些系统?
图遍历:
FODS 传感器
→ feeds → SMGCS
→ feeds → 场面活动管理
→ 间接影响 → 停机位分配(RMS)
→ 快速找到受影响实体
```
---
## 本 Wiki 的实施路径
### 阶段 1:手动标注(当前可行)
`entities/` 页面中逐步添加 `relationships` 字段,手动梳理实体间关系。
目标:覆盖核心机场实体和关键供应商关系。
### 阶段 2:自动化关系提取(中期目标)
在 ingestion 流程中增加实体识别步骤:
- 来源文本 → NER 提取实体
- 实体类型分类(机场/供应商/硬件/系统/标准)
- 关系模式匹配(uses/deploys/integrates_with 等)
### 阶段 3:图数据库(远期目标)
当关系数量超过 ~500 条时,考虑引入图数据库:
- **Neo4j**:成熟,支持 Cypher 查询
- **Age**PostgreSQL 扩展):与现有工作流更易集成
- 图遍历替代关键词搜索,提升查询质量
---
## 当前实体关系图(示例)
```
┌─────────────────┐
│ 深圳宝安机场 │◄─── deploys ────┐
└────────┬────────┘ │
│ uses │ uses
┌────────▼────────┐ ┌───────▼────────┐
│ NVIDIA GB200 │─────────►│ 华为自研芯片 │
│ NVL72 │ supersedes │
└────────┬────────┘ └────────────────┘
│ power_draw (1200W/GPU)
┌────────▼────────┐
│ 液冷系统 │
│ (PUE < 1.15) │
└────────┬────────┘
│ supports
┌────────▼────────┐
│ 电力供应系统 │
│ (双路 N+1) │
└─────────────────┘
┌─────────────────┐ integrates_with ┌─────────────────┐
│ AODB │◄───────────────────────────►│ A-CDM │
│ (ADB SAFEGEGO) │ │ │
└────────┬────────┘ └────────┬────────┘
│ competes_with │
│ │ feeds
┌────────▼────────┐ ┌────────▼────────┐
│ Amadeus AODB │ │ SMGCS │
└─────────────────┘ └─────────────────┘
```
---
## 相关页面
- [[memory-lifecycle]] — 置信度、superset、遗忘机制
- [[wiki-operations]] — 实体提取的自动化钩子
- [[aodb-vendors]] — 供应商竞争关系的具体例子
- [[gpu-cluster]] — GPU 与其他硬件的关系
- [[power-and-cooling]] — 电力/冷却是 GPU 集群的依赖关系