Privat · lokala kunskapssystem · Grafverktyg
Investigation Workbench
En lokal arbetsmiljö som omvandlar fragmenterat källmaterial till granskat och sökbart kunnande utan att låta automatiserad inläsning tyst bli auktoritativ sanning.
- Nisch
- Evidenstung kunskapsgranskning och grafutforskning
- Kärnstack
- Memgraph · Python · Obsidian · Docker · MCP
- Modell
- Rå källa → kandidat → granskat kanoniskt kunnande → kompilerad graf
- Fokus
- Proveniens, granskningsbarhet, temporal struktur, reproducerbar projektion
Nischen
Graf- och AI-verktyg blir farliga när extraktion, tolkning och sanning behandlas som samma operation.
Arbetsbänken är avsedd för material där kronologi, relationer och källproveniens är så viktiga att ett automatiserat system bör få föreslå struktur utan att tyst få fastställa den.
Råa dokument går in i ett kontrollerat ingestlager. Kunskapskandidater granskas innan de befordras. Endast granskade kanoniska anteckningar kompileras till graf-, tidslinje- och visningsartefakter.
Vad som skiljer det
Produkten behandlar granskningsstatus som arkitektur, inte som arbetsflödesetikett.
Ingest kan föreslå entiteter, händelser och relationer, men grafens fortsatta sanning härleds endast från granskat kanoniskt material.
Kärnmiljön körs lokalt med uttryckliga gränser för lagring, containrar och resurser i stället för att anta att en molntjänst ska äga känsligt källmaterial.
Grafnoder, kanter, tidslinjer, manifest och visningsartefakter kompileras från det granskade lagret så att utdata kan byggas om och kontrolleras.
Obsidian, Memgraph Lab, genererade tidslinje- och grafvisare samt MCP-anslutna agenter konsumerar projektioner av samma granskade kunnande i stället för att uppfinna parallella sanningar.
Produkt- och designtänkande
Det centrala produktproblemet är epistemiskt: gör det uppenbart vad som är källbelägg, vad som är maskinförslag, vad som har granskats och vad som är härlett.
Den skillnaden formar navigation, filstruktur, validering och grafsemantik. Systemet är utformat för att göra osäkerhet och proveniens synliga i stället för att skapa en auktoritativt utseende graf från ogenomskinlig extraktion.
Samma resonemang styr AI-integrationen. Agenter och MCP-verktyg är användbara som fråge- och transformationsgränssnitt, men deras utdata förblir begränsade av uttryckliga scheman, granskningsportar och deterministiska kompileringssteg.
Utvecklingsmetod
Kodarkivet är organiserat som en inspekterbar pipeline snarare än en monolitisk AI-applikation.
Docker isolerar Memgraph och dess verktyg; Python-beroenden hanteras reproducerbart; kunskapsvalvet innehåller scheman och kontrollerade vokabulärer; validering täcker länkar, temporal semantik och föräldralöst material; fixture-fall provar kronologi och samtidighet innan verklig data introduceras.
Systemet exponerar också MCP-ingångar så att olika AI-klienter kan fråga samma lokala graf utan att var och en blir en separat dataauktoritet.
Privat kodarkiv · den publika fallstudien utelämnar medvetet casespecifikt källmaterial