团队知识图谱

你的AI编码代理在会话之间会忘记一切，你的团队也会不断重复同样的反馈。这修复了两者。

Team Knowledge Graph是一个由Neo4j支持的MCP服务器。它使每个AI会话都能即时访问团队积累的知识——决策、约束、业务规则、设计规则和跨产品关系——并在下次有人构建功能、打开PR或运行CI时积极执行这些知识。

它解决的两个问题

问题1：会话之间的上下文丢失

Monday:    AI discovers "Sonnet doesn't support tool_search" after 20 min of debugging
Tuesday:   Different session hits the same issue. Another 20 min wasted.
Wednesday: New team member's AI session makes the same mistake again.

问题2：创始人/CSM/客户反馈一直被忽视

Week 1:  Founder — "The spacing is inconsistent on the chat screen."
         Team fixes it.
Week 3:  Founder — "Spacing is broken again on the new feature."
         Different engineer built it, didn't know the rule existed.
Week 5:  Founder — "Reminding again about spacing."
         Now everyone's frustrated.

使用团队知识图谱

Week 1:  Feedback captured once via knowledge_ingest
         → Creates a DesignRule with source = "Founder"
         → Injected at every session start across all 20 repos
Week 3:  New engineer opens Claude Code
         → Sees "REPEATED FEEDBACK: Spacing must be consistent"
         → knowledge_guard flags it before they write code
Week 5:  If still missed, repeat_count hits 3 → becomes a CI gate
         → PR cannot merge without addressing it
         → Founder stops repeating themselves

它存储了什么

类型	示例	保存时间
决策	“使用Sonnet进行简单查询，Opus进行计划更改”	当您选择一种方法而不是另一种方法时
约束条件	“AI SDK v6使用 `inputSchema` 不 `parameters`“	当你发现有些东西不起作用时
业务规则	“聊天计费：Sonnet=1学分，Opus=8学分”	当您了解业务运营方式时
设计规则	“每个AI响应都必须有复制+竖起大拇指/向下按钮”	当用户体验反馈适用于每个功能时
平台规则	“相同的查询必须在网络和移动设备上产生相同的答案”	当跨平台奇偶性很重要时
反馈	创始人/CSM/客户的原始反馈+谁说的+何时	当工程部门以外的任何人提供可操作的意见时
关系	“AI Agent通过Bridge webhook调用Solver”	映射产品连接方式时
违规	当规则被违反时自动记录，触发升级	自动，无需手动保存

所有内容都以图形的形式存储在Neo4j中——通过关系连接的节点。按关键字查询，按产品+平台+模式过滤，可视化探索，遍历依赖关系。

安装

先决条件： Docker桌面运行，Node.js 20+

npm install -g team-knowledge-graph
tkg-setup

安装向导：

启动Neo4j容器（Docker）
配置MCP客户端以自动连接
添加会话开始挂钩，在每个会话开始时加载相关知识
添加指令，以便AI代理实时保存发现

开始一个新的AI编码会话——它会立即工作。

运作原理

自动--无需手动操作

┌───────────────────────────────────────────────────────────────┐
│  Session Starts                                                │
│                                                                │
│  Hook runs → queries Neo4j → injects prioritized context:     │
│                                                                │
│    REPEATED FEEDBACK (said 2+ times — do not miss these):     │
│    - Consistent 8px spacing grid [3x, source: Founder]        │
│    - AI responses must have copy button [2x]                  │
│                                                                │
│    Design Rules (must-follow):                                 │
│    - Tool updates render inline: Text > Tool > Text > Tool    │
│                                                                │
│    🔴 Constraints: "AI SDK v6: use inputSchema"               │
│    • Decisions: "Sonnet for 90% queries, Opus for planning"   │
│    • [billing] Rules: "Credits: Sonnet=1, Opus=8"             │
│                                                                │
│  Agent works on your code...                                   │
│                                                                │
│  Before building → calls knowledge_guard                       │
│    → Returns rules that apply to this work                     │
│                                                                │
│  Discovers: "Next.js 16 requires React 19"                    │
│    → Saves to graph via knowledge_constraint                   │
│                                                                │
│  At PR time → knowledge_review                                 │
│    → Flags which rules apply, which are CI gates               │
│                                                                │
│  Session Ends → safety net extracts anything missed            │
└───────────────────────────────────────────────────────────────┘

Next session (same project or different project, same repo or different repo):
  → Starts with everything the team knows, prioritized by pain

13工具

知识获取（4个工具）

`knowledge_ingest` --一次获取反馈，永远执行

Source: "Founder Name"
Role: "founder"
Feedback: "Spacing is inconsistent and no copy button on AI responses"
Products: ["chat-app"]
Platforms: ["ios", "android", "web"]
Rules: [
  { title: "Consistent 8px spacing grid", type: "design", severity: "must", scope: "global" },
  { title: "AI responses must have copy button", type: "design", severity: "must", scope: "feature" }
]

创建一个 Feedback 节点，a Person 节点和规则。如果图形中已存在任何规则标题，则递增其 repeat_count 并且自动升级严重程度。

`knowledge_decide` --用推理记录决策

Title: "Use Sonnet for simple queries, Opus for plan changes"
Reasoning: "Sonnet is 5x cheaper. Handles lookups, creates, settings."
Products: ["ai-agent"]

`knowledge_constraint` --记录一些不起作用的东西

Title: "Sonnet does not support adaptive thinking"
Severity: "breaking"
Technologies: ["anthropic-sdk@3.0.64"]

打破限制显示为🔴 在每次会议开始时。

`knowledge_rule` --记录业务规则

Title: "Plan credits: Free=100, Starter=500, Pro=3000, Enterprise=10000"
Domain: "billing"

主动执行（3个工具）

`knowledge_guard` --建造前的飞行前检查

Description: "Adding voice transcription to Android app"
Products: ["chat-app"]
Platforms: ["android"]
Patterns: ["voice", "transcription"]

返回所有适用的规则——设计规则、平台规则、业务规则——按以下方式排序 repeat_count （大多数先违反）然后严重。AI代理称之为 编写代码之前.

`knowledge_review` --根据图表验证差异/PR

Description: "New chat screen for Android with AI responses and voice input"
Products: ["chat-app"]
Platforms: ["android"]
Files_changed: ["src/screens/Chat.tsx"]

返回适用规则，按 ci-gate （必须解决）和常规规则。专为CI集成而设计。

`knowledge_violations` --记录+查询违规

记录违规行为会自动递增 repeat_count 根据规则并升级：

repeat_count >= 2 → severity: must
repeat_count >= 3 → enforcement: ci-gate （PR无法合并）

分析与探索（5个工具）

`knowledge_query` --搜索团队所知

"What do we know about billing?"
→ Finds: decision about credit pricing, rule about plan limits,
  constraint about overage not being implemented

`knowledge_trace` --解释为什么存在规则

rule_id: "dr-xyz123"
→ Rule: "AI responses must have thumbs up/down"
→ Origin: Founder, 2026-03-01 — "thumbs up/down button needed"
→ Repeat count: 3
→ Violations: [2026-03-20 chat-android, 2026-04-08 chat-web]
→ Affected products: [chat-app]

`knowledge_impact` --交叉产品级联分析

Change: "Modifying response generation logic"
Product: "response-api"
→ Connected products: chat-web, chat-ios, chat-android (all CONSUMES response-api)
→ Rules at risk: "Same query must produce same answer on web and mobile"

`knowledge_relate` --映射产品到产品的关系

From: "chat-web"
To: "response-api"
Relationship: "consumes via POST /chat/stream SSE"

`knowledge_lint` --健康检查图表

查找过时条目、孤立节点、矛盾、模糊条目和重复项。定期跑步。

仪表板（1个工具）

`knowledge_health` --合规仪表板

→ Repo: chat-app
  Counts: decisions=12, constraints=8, rules=15, products=4
  Compliance:
    total_rules: 24
    violated_this_month: 4
  Top violations:
    - 8px spacing grid — 5 violations, last: 2026-04-10, source: Founder
    - Copy button on responses — 3 violations, last: 2026-04-08
  Founder repeat feedback: 8 total, 5 still recurring
  Recent: [last 5 entries]

你的创始人 still_recurring 计数→ 0 是成功的衡量标准。

自动升级

规则每次被重复或违反时都会变得更加强大：

重复计数	发生了什么
1	创建规则，在会话开始时注入，必须/应该/很好地拥有
2	汽车推广到 `severity: must`，突出显示在 `knowledge_guard`
3+	汽车推广到 `enforcement: ci-gate` --PR不能合并而不解决它

系统会升级，所以你的创始人不必升级。

用例

创始人/CSM的反馈不再被忽视

之前： 创始人说“固定间距”→ 团队修复→ 新功能打破了它→ 创始人重复→ 永远循环。

之后： knowledge_ingest 捕获一次反馈。每个会话、每个PR、每个工程师都会看到它。如果错过，它会在第三次重复后自动升级到CI门。

2.多产品公司——跨产品意识

之前： A队不知道B队的决定。整合带来惊喜。“等等，网络会显示答案，但移动设备不会——我们是在两次生成答案吗？”

之后： knowledge_impact 告诉你：“这个API被3个产品消耗。改变它会影响所有产品。以下是4个有风险的规则。”

3.20个应用程序，不同的技术栈——一层规则它们

之前： 无法在React、Flutter、SwiftUI、Kotlin之间共享lint规则。每个堆栈都有自己的功能。

之后： 规则存在于图表中，而不是技术堆栈中。设计规则 scope: global 适用于所有repo，无论语言如何。执行通过以下方式进行 knowledge_guard 和 knowledge_review 在编写或合并代码之前。

4.独立开发者——别再重复了

之前： 每一次新的会议，你都会重新解释你的架构、技术选择和陷阱。

之后： 会话从完整上下文开始。人工智能已经知道你的堆栈、你的决定以及什么不起作用。

5.团队——共享大脑

之前： Dev A在周一发现了一个限制。Dev B在周三也遇到了同样的问题。Dev C下个月也会犯同样的错误。

之后： 一个Neo4j实例，整个团队连接。任何人的发现都会使每个人受益。

6.入职——第一天加入新团队

之前： 新开发人员花一周时间阅读文档、提问、犯团队已经解决的错误。

之后： 第一节课加载了团队积累的知识。约束可以防止已知的错误。决策解释了为什么事情是这样的。

Neo4j浏览器——可视化探索

打开http://localhost:7474（登录： neo4j / knowledge-graph-local)

有用的查询

查看所有内容：

MATCH (n) WHERE n:Decision OR n:Constraint OR n:Rule OR n:DesignRule OR n:PlatformRule RETURN n

重复反馈（首先重复最多）：

MATCH (n) WHERE n:DesignRule OR n:PlatformRule OR n:Rule
WHERE COALESCE(n.repeat_count, 1) >= 2
RETURN n.title, n.repeat_count, n.source_name, n.last_violated
ORDER BY n.repeat_count DESC

所有突破性约束：

MATCH (c:Constraint {severity: 'breaking'})
OPTIONAL MATCH (c)-[:APPLIES_TO]->(t:Technology)
RETURN c.title, c.detail, t.name + '@' + t.version AS tech

特定产品的设计规则：

MATCH (d:DesignRule)-[:APPLIES_TO]->(p:Product {name: 'chat-app'})
RETURN d.title, d.severity, d.scope, d.platforms
ORDER BY d.repeat_count DESC

产品依赖关系图：

MATCH (a:Product)-[r]->(b:Product)
RETURN a, r, b

将规则追溯到其原始反馈：

MATCH (f:Feedback)-[:GENERATED]->(r {id: 'rule-id-here'})
RETURN f.source_name, f.source_role, f.raw_text, f.date
ORDER BY f.date

按关键字搜索：

CALL db.index.fulltext.queryNodes('knowledge_search', 'billing')
YIELD node, score
RETURN labels(node)[0] AS type, node.title, score
ORDER BY score DESC

团队组建

本地团队（同一网络）

在共享服务器上运行Neo4j：

# On the server
docker run -d --name team-knowledge-neo4j \
  -p 7474:7474 -p 7687:7687 \
  -v team-knowledge-data:/data \
  -e NEO4J_AUTH=neo4j/your-team-password \
  --restart unless-stopped \
  neo4j:5-community

每个团队成员：

npm install -g team-knowledge-graph
NEO4J_URI=bolt://your-server:7687 NEO4J_PASSWORD=your-team-password tkg-setup

云（Neo4j光环）

在以下位置创建免费实例https://neo4j.com/cloud/aura-free/
每个团队成员：

npm install -g team-knowledge-graph
NEO4J_URI=neo4j+s://xxx.databases.neo4j.io NEO4J_USER=neo4j NEO4J_PASSWORD=xxx tkg-setup

配置

环境变量	默认值	描述
`NEO4J_URI`	`bolt://localhost:7687`	Neo4j连接URI
`NEO4J_USER`	`neo4j`	Neo4j用户名
`NEO4J_PASSWORD`	`knowledge-graph-local`	Neo4j密码

它与之有何不同。..

项目文档/wiki：

静态文本文件，不可搜索，未连接
无法查询“什么会影响所有产品的计费？”
没有强制执行--文档未读

代码库存储器MCP：

索引代码结构（函数、类、导入）
不要捕捉做出决策的原因，也不要捕捉非工程师的反馈
团队知识图捕捉决策+推理+约束+规则+ 每个的来源

RAG/矢量搜索：

按相似性检索文本块
概念之间没有关系
团队知识图是一个图形——遍历连接、跟踪起源、分析级联影响

Linters/ESLint/设计令牌：

以特定语言/堆栈在文件级别强制执行规则
无法跨越不同技术栈的20个应用程序
团队知识图谱在语义层面（产品+平台+模式）强制执行，而不管堆栈如何

从v0.1.x升级

v0.2.0是可加性的，没有破坏性的数据变化。一个工具已重命名：

knowledge_status → knowledge_health （相同的架构，添加了新字段）

现有的决策、约束、规则和关系仍然存在。随着您使用新工具，新功能变得可用。

卸载

npm uninstall -g team-knowledge-graph
docker stop team-knowledge-neo4j && docker rm team-knowledge-neo4j
docker volume rm team-knowledge-neo4j-data

从中删除MCP服务器条目 ~/.claude/.mcp.json SessionStart钩子来自 ~/.claude/settings.json.

许可证

麻省理工学院

Team Knowledge Graph

快速接入

详细介绍

团队知识图谱

它解决的两个问题

问题1：会话之间的上下文丢失

问题2：创始人/CSM/客户反馈一直被忽视

使用团队知识图谱

它存储了什么

安装

运作原理

自动--无需手动操作

13工具

知识获取（4个工具）

knowledge_ingest --一次获取反馈，永远执行

knowledge_decide --用推理记录决策

knowledge_constraint --记录一些不起作用的东西

knowledge_rule --记录业务规则

主动执行（3个工具）

knowledge_guard --建造前的飞行前检查

knowledge_review --根据图表验证差异/PR

knowledge_violations --记录+查询违规