knowledge-map

name	knowledge-map
description	查询知识点的前置依赖和延伸关系。使用场景：需要了解知识结构、规划学习顺序，或向学生解释"为什么要先学这个"时。

knowledge-map

先查本地静态概念图（JSON），再用 Milvus 为每个关联知识点补充描述。若知识点不在本地图谱，降级到 Milvus 语义搜索。支持只查前置、只查延伸或全量查询。

输入参数

参数	类型	必填	默认值	说明
knowledge_point	string	是	—	知识点名称，如 "诱导公式"
query_type	string	否	all	prerequisites（只查前置）/ extensions（只查延伸）/ all（全部）
subject	string	否	math	学科：math / physics / english / chemistry

返回字段

字段	类型	说明
success	bool	是否执行成功
source	string	concept_graph（本地图谱）或 milvus_fallback
node_info	object	当前知识点基本信息
node_info.difficulty	integer	难度 1~5
node_info.exam_weight	string	考试权重：high / medium / low
node_info.dependency_depth	integer	前置依赖链深度（层数）
node_info.downstream_impact	integer	掌握后解锁的下游知识点总数
prerequisites	array	前置依赖知识点列表，含描述和难度
extensions	array	延伸知识点列表，含描述和难度
recommended_learning_order	array	推荐学习顺序（拓扑排序，最多 6 个）
insight	string	人类可读的知识点结构总结

内部逻辑

1. 读取 knowledge/data/{subject}_concept_graph.json 查找目标节点
2. 若找到：提取 prerequisites / unlocks 列表，计算依赖链深度和下游影响数
3. 用 Milvus 为每个关联知识点补充描述（enrich）
4. 拓扑排序生成推荐学习顺序
5. 若本地图谱无此节点：降级到 Milvus 语义搜索，source 标记为 milvus_fallback

使用方

• TutorAgent：解释知识结构，规划单次讲解顺序
• ProgressAgent：分析薄弱点的前置依赖
• AssessAgent：确认评估范围和关联知识

注意

• milvus_fallback 时数据来源为语义搜索，准确度低于本地图谱，建议将新知识点补充到 concept_graph.json
• query_type 为 prerequisites 或 extensions 时，对应另一侧字段不返回