面向知识系统的图思维

向量检索能告诉你「这两条最像」，但说不出它们是什么关系。图思维就是把后者显式写下来——代价是有人要维护它，回报是推理过程可以被检查。

相似度把所有关系压成了一个数

最近邻只回答一个问题：最像的是哪几条。而「A 是 B 的前提」「C 取代了 D」「E 只是印证 F」是不同种类的边，相似度把它们全部折叠成一个距离。可解释性来自类型，不来自距离——这是图这种结构唯一不可替代的地方。

类型不是装饰，它决定你能问出什么问题

这个站本身就是一个例子。截至 2026-08-06，它的内容图谱有 72 个节点、310 条边，八种关系类型全部在用：印证 91、必备 72、借助 36、释义 33、渊源 31、延伸 24、关联 19、续作 4。

最值得注意的是泛化的「关联」只占 19 条，约 6%。这说明绝大多数边是能够被具体定型的——满图的「相关」通常意味着没有人去写，而不是写不出来。反过来，「续作」只有 4 条，因为它被刻意收窄成「同一条发布线的后一版」，与「顺着往下读」分开；两者混用，版本脉络就会标错。

枢纽通常不是最新的东西

按连接数排，同一时点上这个站最中心的五个节点全部是技能与知识——模型与输出评估 22、模型选型与约束匹配 21、智能体工作流设计 20、工具集成模式 17、智能体可观测性与评测运维 16——没有一条是新闻。这是图思维最实际的一个回报：它让「哪些东西真的在被反复用到」变得可量，而不是靠印象。

代价是维护，而维护会以特定方式失败

• 只加不减。 边只增不删，图会稠密到失去信息量。平均度数已经是 8.61，接近一个人能一眼看完的上限。
• 类型漂移。 同一个类型被两个人按两种含义使用之后，所有基于类型的查询都不再可信，而且很难发现。
• 把方向当真。 这个站的关系按无序对存储，正因为「谁指向谁」往往只是记录顺序而不是语义。一旦代码开始信任方向，就会读出并不存在的因果。

什么时候不该上图

如果你的问题就是「找出相似的几条」，向量检索更便宜也更好。图的价值出现在你需要解释为什么，或者需要沿着关系走多步的时候。

检索本身怎么做、什么时候模型自己的记忆不够用，交给《检索增强生成基础》和技能《检索流水线调优》；边界该画在哪一层是一次取舍，见《系统设计的权衡》。这一条只管一件事：什么时候值得把关系显式写下来，以及写下来之后要付出什么维护成本。