knowledge-graph

name	knowledge_graph
description	读写用户的个人知识图谱（节点查询、创建、更新、掌握度）。
always	true

知识图谱操作

用户的知识组织在一张个人知识图谱中。每个概念是一个节点，节点之间通过关系边连接。

工具

工具	用途
search_nodes	按关键词搜索节点，返回 id、标题、描述、掌握度
get_node	按 node_id 获取节点详情
create_node	创建新节点，同时通过 parent_node_ids / related_node_ids / contrast_node_ids 建立关系
update_node	更新节点内容（标题、笔记、标签等）
update_mastery	更新掌握度（delta 范围 -1.0 ~ +1.0）

掌握度

范围 0.0 ~ 1.0，通过 delta 增减。小步调整，不要一次大幅变动。

情况	delta
答对，理解清晰	+0.1 ~ +0.2
答对但犹豫	+0.05
答错，讲解后理解	0 ~ +0.05
答错且困惑	-0.05 ~ -0.1
明确表示不懂	-0.1 ~ -0.2

创建节点

节点粒度（重要）

一个节点 = 一个独立概念。判断标准：

• ✅ 「极限」「导数」「二叉树」「快速排序」— 单一概念，各自独立
• ❌ 「极限和导数」「栈与队列」「TCP/UDP」— 复合概念，必须拆分

如果用户一次提到多个概念，应分别创建节点，再通过关系连接（如 related_node_ids）。

何时创建

只为有独立学习价值的概念创建节点，不要为每个提到的词都创建。

关系（防止孤立节点）

每个新节点都应该与图谱中的已有节点建立联系。创建前必须充分搜索，按以下策略寻找关联：

1. 直接搜索：用概念名搜索，如 search_nodes("导数")
2. 上位概念搜索：搜索所属学科/领域，如 search_nodes("微积分") 或 search_nodes("高等数学")
3. 相关概念搜索：搜索同类或前置概念，如 search_nodes("极限")（导数的前置知识）

至少尝试 2 种以上搜索词。如果搜索到了相关节点，必须通过关系参数连接：

关系类型	参数	场景
前置 prerequisite	parent_node_ids	子概念 / 需要先掌握的基础
相关 related	related_node_ids	同类 / 横向关联
对比 contrasts	contrast_node_ids	对立 / 对照

极端情况：如果图谱中确实没有任何相关节点（如用户的第一个知识领域），先创建一个学科/领域级别的父节点（如「高等数学」「数据结构」），再创建具体概念节点挂在其下。

工作流

1. 用户提问 → search_nodes 查找相关节点
2. 根据掌握度决定讲解深度（低→基础，高→深入或出题）
3. 新概念必须在当轮创建：搜索相关节点 → create_node 建立关系 → 然后讲解。不要等讲解完或下一轮才创建。
4. 用户表现变化 → update_mastery