Privado · sistemas de conocimiento local-first · Herramientas de grafos
Investigation Workbench
Un espacio de trabajo local-first para convertir material fuente fragmentado en conocimiento revisado y consultable sin permitir que la ingesta automatizada se convierta silenciosamente en verdad autoritativa.
- Nicho
- Revisión de conocimiento con mucha evidencia y exploración de grafos
- Stack principal
- Memgraph · Python · Obsidian · Docker · MCP
- Modelo
- Fuente bruta → candidato → conocimiento canónico revisado → grafo compilado
- Enfoque
- Procedencia, revisabilidad, estructura temporal, proyección reproducible
El nicho
Las herramientas de grafos e IA se vuelven peligrosas cuando extracción, interpretación y verdad se tratan como la misma operación.
Este banco de trabajo está dirigido a material donde la cronología, las relaciones y la procedencia de las fuentes importan lo suficiente como para que un sistema automatizado proponga estructura sin poder finalizarla en silencio.
Los documentos brutos entran en una capa de ingesta controlada. El conocimiento candidato se revisa antes de promoverse. Solo las notas canónicas revisadas se compilan en artefactos de grafo, línea temporal y visualización.
Qué lo hace diferente
El producto trata el estado de revisión como arquitectura, no como etiqueta de flujo de trabajo.
La ingesta puede proponer entidades, eventos y relaciones, pero la verdad posterior del grafo se deriva únicamente de material canónico revisado.
El espacio central funciona localmente con límites explícitos de almacenamiento, contenedores y recursos, en lugar de asumir que un servicio en la nube debe poseer material fuente sensible.
Los nodos, aristas, líneas temporales, manifiestos y artefactos de visualización se compilan desde la capa revisada para que las salidas puedan reconstruirse y verificarse.
Obsidian, Memgraph Lab, los visores generados de línea temporal y grafo y los agentes conectados mediante MCP consumen proyecciones del mismo conocimiento revisado en lugar de inventar verdades paralelas.
Enfoque de producto y diseño
El problema central del producto es epistémico: hacer evidente qué es evidencia de origen, qué es sugerencia de la máquina, qué ha sido revisado y qué es derivado.
Esa distinción da forma a la navegación, la estructura de archivos, la validación y la semántica del grafo. El sistema está diseñado para hacer visibles la incertidumbre y la procedencia, en lugar de producir un grafo de apariencia autoritativa a partir de una extracción opaca.
El mismo razonamiento guía la integración de IA. Los agentes y herramientas MCP son útiles como interfaces de consulta y transformación, pero sus salidas permanecen limitadas por esquemas explícitos, puertas de revisión y pasos de compilación deterministas.
Enfoque de desarrollo
El repositorio se organiza como una tubería inspeccionable y no como una aplicación monolítica de IA.
Docker aísla Memgraph y sus herramientas; las dependencias de Python se gestionan de forma reproducible; el repositorio de conocimiento contiene esquemas y vocabularios controlados; la validación cubre enlaces, semántica temporal y material huérfano; y los casos de prueba ejercitan cronología y concurrencia antes de introducir datos reales.
El sistema también expone puntos de entrada MCP para que distintos clientes de IA consulten el mismo grafo local sin que cada uno se convierta en una autoridad de datos separada.
Repositorio privado · el caso de estudio público omite deliberadamente material fuente específico del caso