知识图谱（Knowledge Graph）是一种将信息组织成"实体—关系—实体"三元组的图结构数据模型。与传统数据库的表格结构不同，知识图谱让你能看到信息之间的关联关系，而不是孤立的数据行。
打个比方：传统日记软件把你的日记存成一条条独立记录，就像散落的卡片；而知识图谱把这些卡片用线连起来——"芊一"和"户外乐园"有关系，"户外乐园"和你的"育儿"兴趣有关系——形成一个立体的网络。
星辰记的知识图谱构建分为三个核心步骤：
AI 首先从你的日记和随记中自动识别出命名实体——人、地点、组织、事件、产品等。例如从"周末带芊一去了上海植物园"中，AI 会识别出：
星辰记使用大语言模型进行实体识别，能理解上下文中的指代和省略，比传统基于规则的方法准确得多。
识别出实体后，AI 接着分析这些实体之间的关系：
关系抽取是知识图谱中最关键也最具挑战的环节。星辰记的 AI 不仅抽取显式关系，还会推断隐式关系——比如通过多次提及某人和某个活动，AI 可以推断他们之间的偏好关系。
新的实体和关系不会直接覆盖旧数据，而是以增量方式融入图谱：
星辰记的知识节点按类型分类存储：
每个节点还包含一个重要性评分（Importance Score），综合考虑提及频率、时间衰减、上下文权重等因素，决定它在图谱中的视觉大小。
传统的日记搜索只能匹配关键词——你知道要找什么才能搜到。知识图谱让你看到你不知道自己知道的东西：
这就是人类增强图谱（Human Augmentation Graph）的核心理念——AI 帮你看到你自己看不到的模式和联系，增强你的记忆和认知。
星辰记知识图谱前端使用 D3.js 实现可视化，力导向布局让节点自动分散排列，支持拖拽、缩放和节点点击查看详情。后端使用 PostgreSQL 存储节点和关系，结合 Prisma ORM 的关联查询实现高效的数据检索。
关键性能优化：
知识图谱数据已通过 MCP 服务对外开放，支持 AI 客户端直接查询：
graph_overview — 获取节点和关系的总览统计graph_profile_summary — AI 友好的用户画像文本graph_search_nodes — 按关键词搜索节点graph_get_node — 查看节点详情和关联边知识图谱的能力还在持续进化：时序分析（追踪兴趣和关系的演变）、多模态图谱（整合照片信息）、图谱问答（直接向图谱提问）都是正在探索的方向。目标是让 AI 真正成为你记忆的延伸。