用途：面向需要图结构的问题，提供从路由到落地的完整方法。先判断是否真的需要图：只有当关系、路径、重复身份或执行依赖是核心时才用图；若表格、文档索引、向量检索或串行工作流已能满足问题或执行契约，则优先选择更简单方案。
主要能力：按目标路由到三条分支。知识图谱分支遵循生命周期：定义价值与能力问题（作为规格与端到端验收测试）；选择表示与事实语义（属性图、RDF/OWL 或更简单的类型化边），定义身份、时间语义与证据/来源；建模最小本体；映射或抽取源数据；评估抽取质量；做身份消解与断言融合，保留冲突断言与来源并使合并可逆；存储、查询与运维；服务图谱（GraphRAG 或记忆场景检索最小带证据子图或路径）；最后运行端到端评估，分离抽取、身份/融合、检索/查询、答案正确性与运维遥测指标。任务图分支建模工作、依赖、数据流、就绪、失败、验证与审批。学习分支只教相关分支，按概念→示例→学习者应用→反馈交替。
使用方式：按当前阶段只加载对应参考文件：references/modeling.md（表示、能力问题、本体与断言/来源建模）、references/extraction.md（结构化映射与实体/关系/事件抽取）、references/fusion-and-llm.md（身份消解、融合、GraphRAG、图记忆与服务/评估）、references/task-graphs.md（任务节点/边契约、就绪、并发、连接、失败恢复、验证、人工门与运行时投影）、references/curriculum.md（学术来源地图）。
适用场景：知识图谱建模与服务、任务依赖编排、图相关教学，以及需要证据可追溯、身份与观测分离、冲突不静默覆盖的持久化图系统。
限制与原则：不把有用默认值当成普遍法则，区分不变量、默认、启发式与示例参数；数值阈值、跳数、样本量、智能体上限或重试次数需依据当前系统的后果与证据推导或验证；LLM 视为抽取、模式归纳、裁决、检索或推理中的易错组件，需在错误后果严重的边界处验证输出；扩展前先在代表性数据上跑通完整路径。Mermaid 仅作语义模型的紧凑表示，不证明模型正确。知识图谱材料改编自东南大学王鹏教授研究生知识图谱课程。具体收费、价格与平台信息暂未提供。