前言¶

在 DSH 会话里处理章节、技术文档、学习笔记或 Agent 执行轨迹时，常见的问题是把原文、结论、证据和关系分散在文本流里。cwbcheng/dsh-knowledge-graph 是一个 DSH Cordis 插件，它把任意资料正文、图片或 AI 会话执行轨迹拆成知识图，并提供知识图与原文双向定位、证据验证、质疑与修复能力。下面介绍它的能力边界、安装方式和典型用法。

这是什么¶

dsh-knowledge-graph 由 cwbcheng 维护，许可证为 MIT。

README 说明它是一个 DSH 动态 Cordis 插件：一份 Host 代码运行在 Node 进程，一份 Client 代码运行在浏览器；整体为纯 JS、零依赖、无需构建。

package.json 还声明了以下依赖与注入信息：

• peerDependencies：@deepseek-ai/cordis ^4.0.1
• dsh.client.inject：@deepseek-ai/dsh-client-runtime
• dsh.client.platform：web

package.json 同时包含 build、build:lib、build:viewer、pack:extension、kg 等脚本。

前置条件¶

先确认环境满足以下条件：

1、已启动 DSH Web，并进入任意会话：

dsh web

2、环境中已配置 AI 模型提供方。插件默认跟随系统当前模型；未配置时会给出明确的中文错误提示。

3、图片拆分需要支持 image 输入的多模态模型；提供方拒绝图片时会以 model_image_unsupported 明确失败。

4、插件以当前 DSH 进程权限运行，会读取仓库源码并调用模型。安装前应检查源码与 MIT 许可证。

核心功能¶

正文异步拆分¶

输入章节、技术文档、学习笔记等正文后，插件会以后台任务模式调用 LLM，约 15–40 秒返回一张知识图。支持最长约 100 万字符的正文。

图片直接生成知识图¶

支持一次上传 1–4 张 PNG / JPEG / WebP / GIF 图片，单张不超过 6 MiB，合计不超过 16 MiB。

可处理的图片包括文字截图、示意图、流程图、架构图、统计图、公式和表格。

图片抽取会先用多模态模型生成带图片范围的 canonical 视觉转写，再把箭头/连线、分组/包含、对象对应、顺序和图例语义拆成关系单元。

注意：视觉转写是模型产物，不是像素级确定性 OCR。关键文字、数值、表格单元和连线关系仍应对照原图复核。当前图片输入用于新建知识图；已有图的增量追加仍使用文字。

8 类节点与 12 类关系¶

插件生成 8 类节点：

• fact
• claim
• inference
• concept
• definition
• example
• counter_example
• rule

插件生成 12 类关系：

• supports
• example
• counter_example
• defines
• infers
• causes
• is_a
• contains
• driven_by
• not_is
• analogy
• aims_at

双向定位¶

点击图中节点时，可弹出详情卡片，并平滑滚动高亮到原文对应内容单元。

点击原文内容单元时，可在图中居中聚焦并闪烁对应节点。

图渲染¶

图渲染支持 4 种可切换布局形态：

• 力导向
• 圆形
• 放射
• 分层

图渲染支持拖拽平移、Ctrl+滚轮 缩放、工具栏缩放和键盘可达。

验证、质疑与修复¶

生成知识图后，可以做以下操作：

1、快速体检：本地规则检查。
2、AI 深度审校。
3、人工闭环：对问题执行采纳修复、忽略或一键修复，并写入审计记录。
4、主动质疑：可质疑节点、关系或整张图。

外部事实核查¶

可将以下节点转为可核查断言：

• fact
• claim
• inference
• rule
• definition
• counter_example

外部事实核查可使用 Wikipedia 等外部证据，也可粘贴领域规则来源参与裁决。

每条结论绑定证据链接与证据引文；引文必须能在检索结果中定位，编造引文会被自动降级。

追加拆分与历史记录¶

已有拆分结果后，可以追加下一段或下一份资料。AI 只抽取新增内容，并与已有图建立跨段关系边；同一概念不重复建节点。

每次成功拆分会自动记录：

• 最多 20 条
• 同文去重
• 可单删或清空

浏览器只保存 documentId、标题、计数等轻量索引；回看时从 Host/SQLite 重新载入正文与 canonical graph。

章节过滤与候选审核¶

结果区可按章节筛选图节点和原文段落。

候选实体或候选声明可以标记为：

• 待审核
• 已接受
• 已驳回

状态通过 Host 同步到 SQLite；失败时回退浏览器 localStorage。

知识图消费层¶

支持按以下条件做有界结构化检索：

• 关键词
• 节点类型
• 章节
• grounding / entailment 状态

也支持只使用服务端 canonical graph 和已认证原文的证据问答。

导出¶

可导出当前渲染图为高清 PNG，也可导出：

• 完整 JSON
• 节点 CSV
• 关系 CSV

数据导出为完整图，不受当前章节筛选影响。

工作台与模型选择¶

浮动工作台窗口可拖动、可调整大小。

原文与知识图的宽度比例、结果区高度均可拖拽调整并记忆。

工作台与「轨迹知识图」顶部提供模型下拉框，可手动指定以下操作使用的模型：

• 拆分
• 追加
• AI 审校
• 质疑
• 外部核查

模型选择保存在浏览器本地。

轨迹知识图¶

对话区新增「轨迹知识图」标签页。

它可把当前会话的用户消息、工具调用、工具结果、AI 回复拆成知识图，并支持图与轨迹事件双向定位，也支持追加新事件增量合并。

常驻入口¶

每个对话标题右侧常驻「知识图」按钮。运行卡片内也有启动条。

安装与启用¶

先获取源码：

git clone https://github.com/cwbcheng/dsh-knowledge-graph.git
cd dsh-knowledge-graph

然后进入任意 DSH Web 会话，把下面这句话发给 Agent：

请读取 dsh-knowledge-graph 仓库的 src/index.host.js 和 src/index.client.js，把这两个文件定义为 Cordis 插件的 Host 半和 Client 半，然后运行它。

Agent 会依次调用 cordis_define（定义）与 cordis_run（运行），并在界面上弹出运行审批卡片。

经过上面的步骤后，可从每个对话标题右侧的「知识图」按钮或运行卡片内的启动条打开工作台。

典型用法¶

1、正文拆图：在工作台输入章节、技术文档、学习笔记等资料正文，后台异步拆分生成知识图。

2、图片拆图：上传 1–4 张 PNG / JPEG / WebP / GIF 图片生成知识图；点击图片会定位到对应视觉转写段落。

3、双向定位：点击图中节点，查看完整内容、原文摘录和定位按钮；点击原文内容单元，使图中居中聚焦并闪烁对应节点。

4、追加拆分：已有拆分结果后，点击「追加拆分」粘贴下一段或下一份资料，AI 抽取新增内容并自动与已有图建立跨段关系边。

5、划线拆分：在聊天消息里选中任意一段文字，点击「拆成知识图」按钮，自动打开工作台并拆分所选文字。

6、验证与修复：使用快速体检、AI 深度审校、质疑此节点、质疑此关系、外部事实核查原文，并对问题执行采纳修复、忽略或一键修复。

7、检索与问答：使用知识图消费层按关键词、节点类型、章节、grounding / entailment 状态检索，并进行证据问答。

8、轨迹拆图：打开对话区「轨迹知识图」标签页，一键拆解当前会话的完整执行轨迹；也可点「追加新事件」只拆解新增部分，并在同一 revisioned document 上增量合并。

9、导出：导出当前渲染图为高清 PNG，或导出完整 JSON、节点 CSV、关系 CSV。

适用场景与注意¶

适合需要把资料正文、图片、Agent 会话轨迹整理成可检索知识图，并且希望图与原文互相定位、可对结论做核查的人。

注意以下事项：

• 插件以当前 dsh 进程权限运行，会读取仓库源码并调用模型；安装前应检查源码与 MIT 许可证。
• 需要 DSH Web 会话与 AI 模型提供方；插件默认跟随系统当前模型，未配置时会给出明确的中文错误提示。
• 图片抽取需要支持 image 输入的多模态模型；提供方拒绝图片时会以 model_image_unsupported 明确失败。
• 视觉转写是模型产物，不是像素级确定性 OCR；关键文字、数值、表格单元和连线关系仍应对照原图复核。
• 当前图片输入用于新建知识图；已有图的增量追加仍使用文字。
• 常驻模式把全文、canonical graph 与无损 checkpoint 保存在 SQLite；刷新后浏览器只凭 documentId/runId 恢复。
• Host 重启遗留的 running 任务才允许从 checkpoint 续跑；显式 failed/cancelled 任务绝不自动重试。
• 候选实体/声明状态通过 Host 同步到 SQLite，失败时回退浏览器 localStorage。
• 外部事实核查中，每条结论绑定证据链接与证据引文；编造引文会被自动降级。

结尾¶

dsh-knowledge-graph 的价值，在于把 DSH 会话中的资料、图片和轨迹转成可定位、可核查、可修复的知识图。

GitHub 仓库地址：

https://github.com/cwbcheng/dsh-knowledge-graph

目录线索：

https://www.skillhub.cn/plugins/cwbcheng/dsh-knowledge-graph

该目录线索来自插件线索，未在抓取资料正文中验证。