knowledge-graph

Going Meta 系列课程中使用的代码与资源

这是 Think-on-Graph (ICLR 2024) 的官方 GitHub 仓库。如果您对我们的工作感兴趣，或愿意加入我们位于深圳的研究团队，欢迎通过电子邮件与我们联系 (xuchengjin@idea.edu.cn)

语义超图的基础库

🍇 GRAPE 是一个用于预测与评估的 Rust/Python 图表示学习库

🔗 Semantic MediaWiki 将 MediaWiki 转变为具备查询与导出功能的知识管理平台

低代码知识图谱应用平台。采用 Apache 许可证。

为发布至生产环境的后端团队，利用多仓库代码图谱智慧进行 AI 驱动的规格生成与审查

为 AI 代理与团队使用的 Markdown 文件系统。

关于双曲嵌入、双曲模型与双曲应用的论文清单

Deepseek Harness 与 Openclaw 知识图谱记忆插件。2026 年 4 月受邀于清华大学研讨会发表。知识图谱 + 记忆；OpenClaw 的知识图谱上下文引擎 — 从对话中提取结构化三元组，压缩 75% 上下文，并实现跨会话的经验重用。

Jivejdon 是一个结合 DDD/CQRS/Clean architecture 的链式笔记本

Karpathy's LLM Wiki implementation plugin for Obsidian - turns notes and PDFs into a linked, LLM-powered knowledge base with entity pages, concept pages, graph-powered Q&A, and local-first privacy.

针对技能、Agent、MCP 服务器与模型工具的仓库感知推荐系统。可使用您自己的清单或内置包含 79,958 个节点的图谱，涵盖 68,494 个技能、467 个 Agent、10,790 个 MCP 与 207 个工具

Excel 转 Neo4j 知识图譜示例：包含旧版 py2neo v3 以及现代 Neo4j GraphRAG 与向量搜索。

为 AI agents 提供 LLM 监督的持久化记忆——基于图的检索、跨会话知识、单一二进制文件。兼容 DeepSeek Harness、Claude Code、OpenClaw 以及任何 agent 运行环境。

EMNLP 论文“DeepPath: A Reinforcement Learning Method for Knowledge Graph Reasoning”的代码与文档

CRSLab 是一个用于构建对话式推荐系统 (CRS) 的开源工具包。

（主观）与 Python 及语义技术（RDF、OWL、推理等）相关项目的概览

面向多代理 AI 开发的意图驱动工作流编排：包含自适应生命周期引擎、自我强化知识图谱，以及适用于 Claude Code、Gemini、Codex 等的可视化仪表板

Persistent project knowledge graph for coding agents. MCP server with semantic search, in-process embeddings, and web explorer.

A graph-native memory system for AI agents and context graphs. Store conversations, build knowledge graphs, and let your agents learn from their own reasoning — all backed by Neo4j.

GraphRAG-rs 是 GraphRAG（基于图的检索增强生成）的高性能、最先进 Rust 实现，可从文档中建立知识图谱，并支持通过可配置的实体提取与本地 LLM 集成进行自然语言查询

知识图谱卷积网络的 TensorFlow 实现

由 LLM 驱动的检索引擎，旨在处理大量来源以收集全面的实体清单

Hybrid RAG system combining vector search, knowledge graph (LightRAG), and cross-encoder reranking — with Docling document parsing, visual intelligence (image/table captioning), agentic streaming chat, and inline citations. Powered by Gemini or local Ollama models.

使用 LLM 创建知识图谱

知识图谱与多模态学习的结合：综合综述