标签
NVIDIA 发布了 Auto Ontology，这是一个开源（Apache 2.0）库，能够基于企业元数据构建可信赖的上下文/本体层，统一各系统间的指标定义，并通过 MCP、CLI 和 API 暴露给 Agent 框架，从而实现有据可依、经过验证的智能体分析以及由 NVIDIA NIM 驱动的自然语言转 SQL 查询。
研究生林宇翔（GitHub: Lum1104）的副业项目 Understand-Anything 从 655 星暴涨到 56400 星，并被 Egonex 接手正式发布，正成为 Claude Code、Cursor、Copilot 等主流 AI 编程工具的默认代码理解插件，用 Tree-sitter 加 LLM agent 把任意代码库转成可交互知识图谱。
SciGraphSelect 提出了一种以参考文献为依据的框架，用于可审计的科学数据筛选，将领域知识和推理操作组织为带类型的知识–推理图，以基于可追溯的证据对候选文档进行评分。
一款使用 Hark Pro、基于 Kotlin 和 Jetpack Compose 构建的个人 Android 笔记应用，配备 AI 思考伙伴，提供关联引擎、想法拓展模式、知识图谱，以及基于语义的笔记搜索功能。
作者整理并分享了 10 个近期关注的 AI 教育开源项目，涵盖中国中小学交互实验室、国外中学科学课程以及 AI 可视化学习工具，认为教育将因 AI 被重新做一遍。
一篇爆款帖子指出，Andrej Karpathy 自五月起一直在 Anthropic 工作，并点出两份公开资源——Anthropic 的知识图谱 cookbook 以及 Karpathy 在两天内跑了 700 个实验的自主自动研究循环——将两者结合即可构建自主智能体系统。
分享了一段可直接复制的安装提示词，用于在 Codex 环境中安装 Graphify（safishamsi/graphify），通过为项目生成知识图谱来减少重复读取文件、梳理依赖带来的 token 消耗，宣称可节省约 80% 的 token。
推荐一个基于 AI 的开源「智能错题本」项目，支持拍照识题、自动解答、知识点标签与难度评级、错题管理、举一反三练习和组卷打印，可与中小学知识图谱开源项目搭配使用。
文章介绍了一套围绕 Claude Code 的设计工作流工具链，重点是 Graphify——可将任意文件夹转成知识图谱，配合 Figma MCP、Playwright MCP、impeccable 等工具，让 AI 生成的网页不再千篇一律。
LangChain 重点介绍了一项将 openwiki 与轻量级证据图谱相结合的实验，使 AI 智能体能够将生成的知识追溯至其支撑证据，从而提供更可靠、更具领域针对性的回答。
作者更新了开源的中小学知识图谱项目 cn-math-taxonomy，为每个知识点增加基础/提高/拓展三档难度题库，并改进自适应诊断顺序与前置知识回溯逻辑。项目覆盖数学、语文、科学、英语、物理，提供在线诊断工具，但声明为 AI 生成初稿、尚待教师审核。
FinLLM-KG 是一个模型无关的框架，将因果大语言模型与金融知识图谱相结合，从美国证券交易委员会（SEC）的 10-K 文件中注入公司层面、时间对齐的知识，以改进金融情绪分析与算法交易，同时提供可解释的预测依据。
该论文提出了 InsightAgents，一个从相关论文构成的图中提炼洞见的框架，为大语言模型辩论智能体提供以文献为依据的专业知识，以协作生成研究创意，并在 100 个自然语言处理主题上优于三种基线方法。
GEMS-RAG 是一个面向工程标准文档的图驱动多模态检索增强生成框架，通过层级解析、视觉实体抽取、多模态知识图谱构建与图驱动混合检索，在 MUTCD 数据集上相较文本、多模态和图基 RAG 基线提升了检索与问答效果。
该论文提出一种知识引导的LLM框架，结合语法约束语义解析与知识图谱驱动的澄清循环，用于集成地面与非地面6G网络中的意图驱动服务编排，在200条意图数据集上达到89%分类准确率与95%策略有效性。
一位开发者正在向社区请教，大家在生产环境中究竟是如何解决智能体记忆问题的：是使用向量数据库结合 RAG、知识图谱，还是通过人工参与审批来维护共享知识库。
本文提出了一种用于关系三元组抽取的多粒度交互网络，联合利用词与词、实体与关系以及头实体与尾实体之间的交互，以更好地处理未见过的实体。在Unseen指标下，该方法在NYT-R和WebNLG-R数据集上分别取得了3.1%和20.5%的F1提升。
该论文提出了研究进度图（Research Progress Graph, RPG），一种将研究构想的迭代演化记录为带时序标注的认知状态与推理转移的表示方法，并发现现有35个研究智能体均只是RPG的不完整实现，主张研究智能体应从生成静态构想转向显式建模构想演化轨迹。
Marble 将其内部小学知识图谱 os-taxonomy 整个开源，包含 1591 个细粒度知识点、3225 条先修依赖构成的有向无环图，覆盖 8 个学科并对齐 NGSS、Common Core 等课程标准，许可允许研究与商用。该项目上线不久已获 5881 star、986 fork，为教育类产品提供可直接复用的先修关系底稿。
Netflix 介绍了其在超大规模基础设施上构建端到端知识图谱（本体驱动的可观测性）的实践，通过统一 MELT（指标、事件、日志、追踪）数据层并显式记录系统实体间关系，将典型故障根因排查时间从约 4 小时显著缩短。