Vault Knowledge Graph — Áttekintés#

[!info] Két komplementer extraction-réteg A vault knowledge-graph-ja 2-tier: (1) Memgraph LLM-extraction (semantic entity-relation, 8997 entity / 6722 typed) és (2) graphify deterministic tree-sitter + Leiden (5846 node / 437 community, content-filtered). A két réteg egymást validálja — lásd two-tier-graph-extraction.

Live state (2026-05-18)#

Memgraph entity-graph (Tier-1, LLM-extracted)#

Címke-eloszlás (top-9 typed)#

%%{init: {'theme':'base'}}%%
xychart-beta horizontal
    title "Memgraph entity típus-eloszlás"
    x-axis ["Concept (3292)", "SourceFile (663)", "Skill (649)", "Sprint (568)", "Project (395)", "Server (383)", "Pattern (349)", "Decision (105)", "Person (31)"]
    y-axis "Entity count" 0 --> 3500
    bar [3292, 663, 649, 568, 395, 383, 349, 105, 31]

[!note] Multi-label kombók 224 entitás kettős-vagy-tripla typed (pl. Skill+Project 107, Concept+Pattern 52, Sprint+Pattern 17). A labels(n) halmaz, ami a domain-overlap-et tükrözi.

graphify deterministic (Tier-2, tree-sitter + Leiden)#

A graphify content-filtered, mert a teljes vault-on (.obsidian/plugins/ + 10-raw/-mal együtt) 18 102 node lett — érdemi-vizualizálhatatlan hairball. Lásd hairball anti-pattern.

Top-10 hub-entitás (Memgraph fokszám-rank)#

Vizualizáció-formák#

A. Lightweight overview SVG#

• Path: /root/projects/myforge-vault-1111/docs/knowledge-graph-overview.svg
• Tartalom: top-60 hub + induced subgraph 11 internal edge (a hub-and-spoke természet miatt kevés internal — a hubok a low-degree node-okhoz kötnek)
• Layout: Fruchterman-Reingold force-directed (250 iter, Python static-render)
• Méret: 14.6 KB
• Címke-szín: Concept zöld · Pattern sárga · Skill kék · Project narancs · Server piros · Person lila · Decision barna · Sprint cián · SourceFile szürke
• Node-méret: 4 + 8 × √(deg / max_deg) — sqrt-skálázás
• Label: csak top-30 hub-on (címke-takarás-elkerülés)

B. Interaktív full-graph (graphify-out reuse)#

• Path: /root/projects/myforge-vault-1111/docs/graph/index.html (4.6 MB)
• Forrás: graphify-out/graph.html direct-másolás
• Load-time becslés: ~10s első-load CDN nélkül, ~3-5s gzip-szel (GH Pages auto-gzip)
• Tartalom: 5846 node + 5479 edge + 437 community szín-kódolt
• UX: zoom · pan · node-search · community-isolate

C. D3.js induced-subgraph viewer (Phase 2 — ÉLES 2026-05-18)#

• Path: /root/projects/myforge-vault-1111/docs/graph/viewer.html (12.8 KB) + top200.json (13.0 KB)
• Forrás: Memgraph top-200 hub-entitás (fokszám-rank) + intra-edges (39 dedup, undirected)
• D3: v7 jsDelivr CDN (~80 KB external, browser-cached)
• Total első-load: ~106 KB (12.8 KB HTML + 13.0 KB JSON + ~80 KB D3 CDN) — ~43× kisebb a Phase-1 4.6 MB-hoz képest
• Features:
• Force-directed layout (d3-force) + d3-zoom (0.2×–4× scale-extent, drag-pan)
• Per-label színkód (9 szín, sidebar legend with counts)
• Filter-checkbox per-label (toggle visibility, dim inactive)
• Click-to-expand — node-kattintás kiemeli a szomszédságot, többi node-ot dim-eli (client-side, no API)
• Hover tooltip — név + label + degree (XSS-safe textContent)
• Search input — substring filter node-name-en
• Drag-rögzítés (drag node → fix position; release → free)
• Mobile UX: 200 KB első-load → 3G-n ~2–3s, 4G-n <1s. Sidebar 240→200 px <720 px viewport-on.

D. Mkdocs nav integráció#

A mkdocs.yml nav: szekcióban új top-level tab:

- Knowledge Graph:
    - Áttekintés: wiki/vault-knowledge-graph-overview.md
    - Interactive viewer: graph/viewer.html      # Phase 2 — ~106 KB
    - Full (4.6 MB): graph/index.html            # Phase 1 — graphify reuse

Az interaktív HTML-ek static-asset-ként közvetlenül szerverülnek (GH-Pages auto-gzip).

2-tier extraction — mit mond melyik?#

Verdict: Memgraph a "semantic graph", graphify a "structural graph". A produkciós vault-search a Memgraph-ot használja (vector-index + cypher), a graphify a deterministic anchor (CI-be tehető regresszió-check). Részletek: two-tier-graph-extraction.

Engineering-honest finding (őszinte audit)#

[!warning] A 4.6 MB interactive graph hasznossága a public docs-on A graph.html 4.6 MB kifejezetten nagy statikus asset egy GH-Pages docs-site-on. Mobile-on lassan tölt, low-bandwidth (3G) felhasználó 30-60s. Két alternatíva:

1. Tartsuk meg — referenciaként + "deep-dive"-flagezve [!warning] 4.6 MB, lassú mobile-on callouttal, mert egyedi (5846-node interactive Leiden-community viz nem tipikus open-source-vault feature)
2. Cseréljük D3-induced-subgraph-ra — top-200 hub + intra-edges, ~150 KB inline-d3.js + JSON, zoom + click-to-expand, sokkal gyorsabb

Ajánlás: Phase 1 — másold be MOST (zero-effort, már megvan), Phase 2 — építsd ki a D3-induced-subgraph-ot amikor lesz időkeret (~1 nap dev, magas ROI). A current commit a Phase 1.

Phase 2 update (2026-05-18): ÉLES, lásd C. szekció — viewer.html 12.8 KB + top200.json 13.0 KB + D3 v7 CDN ~80 KB ≈ 106 KB total első-load (43× kisebb).

Kapcsolódó#

• two-tier-graph-extraction — miért két extraction-réteg
• ../05-Memory/Infrastructure — Memgraph deploy-pattern
• memgraph-ce-feature-limits — vector-index + multi-namespace
• ../06-Audits/2026-05-17 B-7 Week 2 typed entity-nodes — typed entity-nodes audit
• ../06-Audits/2026-05-17 B-7 wikilink-importer MENTIONS edges — MENTIONS edges audit

• sv-06-world-model-knowledge-graph (sem-rokon, score=0.56)

Regenerálás#

# A. SVG overview
python3 /tmp/build_svg.py
# (forrás: /tmp/top100_full.json + /tmp/top100_edges.json a vault-graph-query-ből)

# B. Interaktív (Phase 1 — full graphify)
cd /root/obsidian-vault && graphify scan . --output graphify-out/ \
    --exclude '.obsidian/plugins/*' --exclude '10-raw/*'
cp graphify-out/graph.html /root/projects/myforge-vault-1111/docs/graph/index.html

# C. D3 induced-subgraph viewer (Phase 2 — top-200 + intra-edges)
/root/.notebooklm-venv/bin/python3 /tmp/extract_top200.py
# Writes: /root/projects/myforge-vault-1111/docs/graph/top200.json
# Viewer (viewer.html) static, only re-emit top200.json on regen.

# D. Wiki stats refresh
vault-graph-query "MATCH (n:Entity) RETURN count(n)" --json