Markdown 笔记的双知识图谱 RAG:前置依赖 + 相似关联双图(P/S-Agent 遍历)、段落级匹配、ngram/embedding 混合检索、显式权重反馈闭环,以 MCP 接入。
Dual knowledge-graph RAG for Markdown notes: prerequisite + similarity graphs (P/S-Agent traversal), paragraph chunking, n-gram/embedding hybrid search, and an explicit weight feedback loop — via MCP.
安装
dsh plugin --profile web add github:wly8691-jpg/knowlp-ragGitHub 源码安装:首次需按提示配置 allowBuilds 构建授权后重试
安装与环境配置指引、插件开发教程见 DSH 中文社区文档 ↗
安装即在你的机器上以你的权限运行第三方代码——它可读写文件、使用凭据、访问网络,DSH 的工具审批不会为插件代码加沙箱。「检测到 manifest」仅代表发现 dsh.bundle / dsh.plugin 清单,不构成兼容性或安全审查;安装前请审阅源码,不熟悉的插件先在不含密钥的环境试用。
README
双图检索 + 衰减遗忘的记忆插件 —— 把你的 Markdown 笔记建成会"用进废退"的知识图谱,给 DSH / Claude Code 提供带阅读路径的检索:该读哪几篇、按什么顺序读、哪篇是相似替代。
快速开始(3 步)
# ① 安装(npm 官方源)
dsh plugin add "@eqman00003/knowlp-rag"
# ② 必配两个环境变量(不配则双图引擎空转,只剩全文搜索)
export KNOWLP_VAULT="$HOME/Notes" # 你的 Markdown 笔记目录
export KNOWLP_GRAPH_DIR="$HOME/.knowlp-dsh" # 可写索引目录
# ③ 重启 dsh web,首次搜索触发 Python 环境自举(约 30s,勿中断)
五个工具
| 工具 | 作用 |
|---|---|
knowlp_search |
四引擎扇出检索(双图 P/S-Agent + 向量 + 全文) |
knowlp_get_note |
读笔记内容(只读,防路径穿越) |
knowlp_stats |
引擎/图健康度自检(排障第一入口) |
knowlp_record_feedback |
显式反馈(权重闭环唯一入口) |
skill_search |
技能索引检索 |
文档
- 安装与使用说明:docs/usage.md
- 排障手册:docs/troubleshooting.md
- dsh 接入细节(环境变量/Cordis 插件):dsh/README.md
为什么是 KnowLP?
Grep 搜 "RAG architecture" 给你 105 个文件。KnowLP 给你 3 条带依赖上下文的排序命中。
grep |
朴素向量库 | KnowLP | |
|---|---|---|---|
| 结果排序 | ❌ | ✅ | ✅ |
| 依赖链(P-Agent) | ❌ | ❌ | ✅ |
| 相似替代(S-Agent) | ❌ | ❌ | ✅ |
| 无 GPU 可用 | ✅ | ❌ | ✅(n-gram 模式) |
| 越用越好(反馈) | ❌ | ❌ | ✅(权重闭环) |
| 段落级匹配 | ❌ | ❌ | ✅ |
| 衰减遗忘(用进废退) | ❌ | ❌ | ✅(半衰期三档) |
区别:向量搜索找"包含关键词"的文档;KnowLP 找"因你的查询而该读"的文档,附阅读路径。笔记间的权重随使用演化——被消费的边加强,长期不用的边按半衰期衰减(过程性 1 天 / 一般 30 天 / 陈述性永不)。
Demo
$ knowlp_search "RAG architecture"
1. [HIT] RAG检索架构.md (score 0.77)
2. [LINK] 向量数据库选型.md (score 0.61) ← 前置依赖链
3. [LINK] 检索评估踩坑记录.md (score 0.42)
4. [LINK] _索引-阅读顺序 (depth 1) ← 告诉你从哪里读起
5. [LINK] _索引-相关概念.md (depth 2)
本地开发
git clone https://github.com/wly8691-jpg/knowlp-rag.git
cd knowlp-rag
pip install -e . # 生成 knowlp-mcp / knowlp-build / knowlp-search
# config.yaml 里配 vault → 建图 → 检索
python build_graph.py
python knowlp_search.py "RAG architecture"
原始 README: https://github.com/wly8691-jpg/knowlp-rag/blob/main/README.md ↗
同类插件
查看全部 →
mnemon
LLM监督持久内存插件 — 基于图的召回,跨会话知识,单二进制。与DeepSeek Harness、Claude Code、OpenClaw及任何代理运行时兼容。

memtrace-public
面向 AI 编码 agent 的结构化记忆:双时态图谱、MCP 原生、零 LLM 调用;支持 Cursor · Claude Code · Codex · DeepSeek Harness · Hermes · VS Code · Windsurf

dsh-flowix-memory
将本地 flowix-cli 注册为 MCP 服务,让 agent 可以搜索、读取、创建和编辑 Flowix 备忘与思维导图产物。

flowix
笔记助你,记忆助你的代理。

engramory
AI代理的便携式内存协议 — 以静态规则加载;整理学科 + 参考规范 + 可选的钩子API

dsh-memory-evolve
为 DeepSeek Harness 提供纯插件实现的跨会话长期记忆与后台自我进化能力:五轨记忆、Git 分支感知、回合内自我审查、技能自我进化与技能管理器、四轨待办、COI 调度、会话广播、会话搜索、提示词管理器和临时信息便签;零核心修改、零运行时依赖,安装即用,卸载即净。



