TTechSpecs

適用情境

完整開發工作流 是用於建立生產級知識圖譜的完整流程。它適合：

  • 企業級知識管理系統
  • 大型專案文件分析（100+ 份文件）
  • 需要多人協作的場景
  • 需要定期更新與維護的圖譜

核心步驟

第 0 步：規劃（Planning）

在開始之前，先回答以下問題：

  1. 知識來源：要從哪些文件/網頁提取知識？
  2. 實體類型：需要識別哪些類型的實體？
  3. 關係類型：實體之間有哪些關係？
  4. 使用場景：圖譜會如何被查詢和使用？
  5. 更新頻率：多久需要更新一次圖譜？

第 1 步：初始化專案

# 使用生產級配置
graphify init --backend=neo4j --llm=anthropic

# 或使用自訂配置
graphify init --config=production-config.yaml

建議配置：

  • 圖譜後端：Neo4j 叢集或託管服務
  • LLM 提供者：Anthropic Claude（更穩定）
  • 提取模式：full（最完整）

第 2 步：批量提取

# 來源清單
FILES=(
  "README.md"
  "docs/introduction.md"
  "docs/api/*.md"
  "docs/guides/*.md"
  "docs/architecture.md"
)

# 批量提取
for file in "${FILES[@]}"; do
  echo "提取 $file..."
  graphify extract "$file" --namespace="prod"
done

第 3 步：驗證提取

# 統計資訊
graphify stats

# 驗證查詢
graphify query "圖譜中是否有重複的實體？"
graphify query "所有實體是否都有來源追蹤？"
graphify query "是否有孤立節點（無任何關係）？"

第 4 步：品質檢查

# 檢查實體類型分佈
graphify query "各類型實體的數量是多少？" --format=json > entity-distribution.json

# 檢查關係完整性
graphify query "是否有缺少必要關係的實體？"

# 檢查來源覆蓋率
graphify query "哪些文件已成功提取？"

第 5 步：高級查詢

# 複雜查詢測試
graphify query "找出所有沒有參與者的專案"
graphify query "列出被多個專案依賴的技術"
graphify query "哪些人員參與了超過 3 個專案？"

第 6 步：視覺化

# 完整圖譜
graphify visualize --output=full-graph.html --layout=force

# 特定視角
graphify visualize --filter="type:Person" --output=people-graph.html
graphify visualize --filter="relationship:DEPENDS_ON" --output=deps-graph.html

# 子圖
graphify visualize --focus="核心專案" --radius=2 --output=core-subgraph.html

第 7 步：部署

# 匯出圖譜
graphify export --format=graphml --output=knowledge-graph.graphml

# 部署到生產環境
graphify deploy --target=production

# 設定定期更新
graphify schedule --cron="0 2 * * *" --command="extract --source=docs/"

完整範例

以下是建立企業知識庫的完整流程：

── 規劃階段 ──

知識來源：

  • 所有專案的 README.md
  • API 文件（docs/api/）
  • 架構文件（docs/architecture/）
  • 會議記錄（meetings/）

實體類型：Person, Project, Technology, API, Meeting

關係類型：WORKS_ON, DEPENDS_ON, PARTICIPATES_IN, DEFINES

── 初始化階段 ──

  • You: 
    graphify init --config=production-config.yaml
  • AI:

    正在初始化生產級 Graphify 專案…

    生產配置：

    • 圖譜後端：Neo4j Aura (雲端託管)
    • LLM 提供者：Anthropic Claude 3 Opus
    • 提取模式：full

    ✓ 專案初始化完成！

── 批量提取階段 ──

  • You: 
    # 提取專案文件
graphify extract --batch="projects.txt" --namespace="projects"

# 提取 API 文件
graphify extract --batch="api-docs.txt" --namespace="api"

# 提取會議記錄
graphify extract --batch="meetings.txt" --namespace="meetings"
  • AI:

    正在批量提取…

    提取統計：

    • 處理文件：156 份
    • 識別實體：892 個
    • 建立關係：1,234 個
    • 處理時間：15 分鐘

    ✓ 批量提取完成！

── 驗證階段 ──

  • You: 
    graphify validate
  • AI:

    正在驗證圖譜…

    驗證結果：

    • ✓ 所有實體都有來源追蹤
    • ✓ 所有關係類型有效
    • ⚠️ 發現 12 個孤立節點
    • ✓ 沒有重複實體

    建議：

    • 檢查孤立節點是否為遺漏關係
    • 考慮合併相似實體

── 視覺化階段 ──

  • You: 
    # 生成多個視角
graphify visualize --output=full-graph.html
graphify visualize --focus="核心專案" --output=core-graph.html
graphify visualize --filter="relationship:WORKS_ON" --output=team-graph.html
  • AI:

    正在生成視覺化…

    ✓ full-graph.html（892 節點，1,234 關係） ✓ core-graph.html（124 節點，186 關係） ✓ team-graph.html（156 節點，203 關係）

    視覺化已生成，可部署到靜態網站！

品質保證檢查清單

資料完整性

  • 所有實體都有來源追蹤
  • 沒有孤立節點（或確認其合理性）
  • 沒有重複的實體
  • 關係類型一致且正確

查詢有效性

  • 常用查詢返回合理結果
  • 複雜查詢能正確執行
  • 查詢回應時間在可接受範圍內

視覺化品質

  • 佈局清晰易讀
  • 節點標籤有意義
  • 關係方向正確
  • 顏色分類合理

部署策略

靜態部署

# 生成靜態視覺化
graphify visualize --output=index.html --static

# 部署到 Cloudflare Pages
wrangler pages deploy .graphify/public/

動態部署

# 部署 Graphify 查詢服務
graphify serve --port=4321

# 或使用 Neo4j Browser
# 直接連線到 Neo4j 實例

定期更新

# 設定每日自動更新
graphify schedule --cron="0 2 * * *" --config=update-config.yaml

監控與維護

監控指標

# 查看圖譜統計
graphify stats

# 查看查詢效能
graphify benchmark --queries=benchmark-queries.txt

定期維護

# 每週執行
graphify cleanup --remove-orphan --merge-duplicates

# 每月執行
graphify backup --name=monthly-$(date +%Y-%m)
graphify optimize

完整開發工作流確保知識圖譜的品質與可維護性，是建立生產級系統的推薦方式！