真值库（truth.db）以「key + value」扁平结构沉淀体系知识，无法回答跨域关系问题：哪些资产确权于 DID？决策类真值分布在哪些命名空间？组件之间的部署与集成关系如何？知识图谱把扁平真值升维为「实体—关系—属性」三元组网络，使体系知识可沿关系多跳检索、可补全、可度量——并从「检索」进化到「推理 + 自进化」。
五类实体：真值条目（key）、命名空间（ns）、类型（type）、组件（comp）、DID（确权主体）。四类基础关系：属于（真值→命名空间）、类型为（真值→类型）、涉及（真值→组件）、确权于（真值→DID）。V3 起增加部署于（资产 key→组件）；V4 起第 7 算子从结论文本抽取关系（集成于/推送至/运行于等）。
属性维度（P1 本体属性）：namespace、date、ts、truth_type、confidence、version、sha，为每条真值实体提供置信度与版本溯源。
| 关系 | 条数 | 说明 |
|---|---|---|
| 属于 | 4024 | 真值条目 → 命名空间（唯一 key 去重） |
| 涉及 | 184 | 真值 → 组件（20+ 组件词语义匹配） |
| 部署于 | 34 | 资产 key 前缀 → 资产组件（拓扑隐含关系显式化） |
| 类型为 | 179 | 真值 → 类型（全量对齐 truth_type，含沉淀 data） |
| 确权于 | 57 | 真值 → did:DID-BR-000002（locked_by 全量） |
| 集成于 / 推送至 | 2 | 第 7 算子动词模式抽取（真实命中） |
| 图谱指标 | 值 |
|---|---|
| 密度 | 0.000384 |
| 平均度数 | 1.85 |
| 连通分量 | 722 |
| 最大分量 | 2057+（truth 主簇，随沉淀增长） |
流水线：truth.db → Python 规则抽取 → 去重（同 key 高频记录合并为唯一三元组）→ DuckDB 三表落库（kg_triples / kg_attrs / kg_entities）+ 指标表 kg_metrics → 查询服务 kg_query.py 公网暴露 → 每日 03:10 自动重建（kg_daily.sh）。
对每条真值的 value 内嵌结论/消息文本执行动词模式匹配（部署/上报/推送/集成/接入/运行/构建/升级/发布/扩容/落地等 14 组），目标实体经组件词表 + 显式实体引用（key:/ns:/did:/type:）归一后才落边，杜绝无依据抽取。
实例如下（V4 真实抽取）： key:truth.kernel.crystal-lattice-published.20261016 —集成于→ comp:website key:truth.kernel.kg-deployed-published-modelscope.20261016 —推送至→ comp:modelscope key:website.auto_evolve.cron —部署于→ comp:website （key 前缀映射）
问答入口 Octop 已升级为轻量知识 Agent（P0 落地实测），不再是单轮检索问答器，具备完整五步回路：
系统最具差异化的能力：每次问答本身成为新知识。Octop 问答命中图谱后自动上报问答日志真值，每日重建时自动纳入图谱——知识随使用增长。
闭环链路（全链路实测）： Octop 问答命中 → 上报 truth.kernel.octop-qa-log.*（落库） → truth.db（6809 条）→ 重建 build_kg4.py → 图谱边增长：4434 → 4480（+46 边） → 类型为 171→179 · 确权于 51→57 → 魔搭同步
实证：一次问答沉淀周期后，图谱三元组 +46、实体 +30、属性 +183。系统"会自己长大"。
查询服务 /kg/query（DuckDB，X-DID 鉴权，无鉴权 401）：stats / predicate / 2hop / 3hop / ns / type / confidence / entity。
2 跳：确权于 DID-BR-000002 → 属于 → 51 条 ns:truth（逻辑自洽）
3 跳：确权于 DID → 属于 ns:truth → 类型为
type:config 12 ｜ type:decision 11 ｜ type:data 3 ｜ type:meta_law 2 ｜ type:rule 1
三跳路径证明：可沿「确权主体 → 命名空间 → 真值类型」跨域聚合，回答"确权于 DID 的真值里哪些是决策类"这类关系问题。
| 维度 | 传统 RAG | 微软 GraphRAG | 本项目 KGraphQA |
|---|---|---|---|
| 核心能力 | 检索单点内容 | 图谱 + 社区摘要 | 多跳关系推理 |
| 构建方式 | 向量嵌入 | LLM 抽取 + 重型离线索引 | 规则驱动（第7/8算子） |
| 关系推理 | 不支持 | 部分（需预处理） | 2/3 跳实时查询 |
| 自进化 | 无 | 需重跑索引 | 每日自动重建 + 问答沉淀 |
| 知识可度量 | 无 | 弱 | 密度/连通分量/缺口体检 |
| 落地成本 | 中 | 高（GPU/LLM） | 近零（DuckDB 单文件） |
定位：GraphRAG 走"LLM 重投入、重型索引"路线，本项目走"规则驱动、零成本、可自进化、可度量"的轻量企业落地路线——同样解决知识关系问答，门槛与成本差一个数量级。
以「KGraphQA · 知识图谱智能问答中枢」报名天猫 AI 黑客松·高校挑战赛（效率进化赛道，¥20 万奖金池，2026-10-21 截止）。作品全部基于真实运行资产：真数据（6809 真值/4480 边）、真推理（多跳实时可查）、真进化（问答沉淀自动长大）、可复现（全开源栈 + 公开白皮书/数据集）。
从"问答工具"升级为"企业知识运营平台"：知识健康度体检（密度/缺口清单/补全建议）、一键接入任意知识源、知识运营 API（体检/治理/导出）——让知识系统会自我体检、自我进化。
| 出口 | 状态 |
|---|---|
| 官网白皮书 | 本页 V4（第 78 篇，JSON-LD Article，llms/sitemap 已索引） |
| Octop 智能问答 | kb-rag.html 已注入 Agent 外壳（22 触发词 + 多意图 + 反思 + 沉淀） |
| 魔搭数据集 | zongyuanroot/zongyuan-root-achievements · knowledge-graph/ 8 文件（含白皮书 V4） |
| API | https://www.huodouai.com/kg/query（X-DID: DID-BR-000002） |