KB 2,719 篇相關度與相似節點連結報告

一、結論摘要

五個重點結論

1. 59 組完全相同內容 → 第一批合併候選。先確認語言、受眾、時效與適用條件相同，再選一篇作為正式主文章（canonical KB）；其他舊文章保留轉址，不直接刪除。
2. 1,066 條同來源相似關係 → 先拆概念，不是全部合併。同一來源頁可能展開多個 FAQ；每個可獨立搜尋、獨立回答的意圖都應成為一篇單一概念 KB，並保留與原始來源的關係。
3. 554 條不同來源間的相似關係 → 逐對判斷。只有同意圖、答案等價、適用條件相同且無衝突才能合併；只是相關或互補，就保留兩篇並建立「相關文章」連結。
4. 1,755 篇沒有安全相似邊 → 保持獨立。沒有關聯證據不代表品質差，也不應為了提高覆蓋率強行合併。
5. Graphify 原先提出 48 條語意關係，只有 3 條獲第二種方法支持 → 其餘 45 條只進人工複核。沒有第二證據前不得合併、刪除或更換正式主文章。

閱讀指南：每個數字到底代表什麼

二、範圍、定義與方法

1. 每篇文章在圖上只算一個點。由保存快照建立 2,719 個文章節點，保留文章識別碼、來源文件、版本、分類與來源網址。
2. 三層特徵。標題字元 n-gram 權重 0.55、正文 0.30、分類／labels 0.15；各層先 L2 normalize。
3. 找出初步可能相似的文章。每篇先取最接近的 24 篇，得到 43,308 個不重複候選配對；另外一定納入 59 個內容完全相同的配對。
4. 只保留有足夠證據的關係。總分至少 0.30，而且雙方都要把對方列入前 10 名，或相似度達強門檻 0.82；標題、正文、分類至少兩項要能互相支持。
5. 合併 Graphify anchors。把原始 48 條 semantically_similar_to 邊保留並標記來源，不以低文字分數擅自刪除。
6. Graphify 整理關聯圖。找出主題社群、計算群內緊密度與連結最多的文章，檢查圖檔錯誤，並產生互動式 HTML 報告。

三、相似關係是怎麼篩選的：候選、門檻與分數

門檻敏感度

相同 mutual／雙證據規則下，降低 threshold 會增加覆蓋，也會納入更多弱推論。選擇 0.30 是探索報告的折衷，不代表可以自動執行內容合併。

關係信心等級

信心等級是系統給關係的審核優先序，不是「有幾成正確」。

四、Graphify 關聯圖結果：文章形成哪些群組

4.1 關聯圖上的點、線、顏色與箭頭代表什麼

4.2 每條連線背後的欄位與對應功能

互動圖把所有線統一顯示為 semantically_similar_to，方便看拓撲；真正決定處理方式的是下列欄位組合，而不是線本身。

4.3 互動功能怎麼用

4.4 建議的圖上審核流程

1. 用搜尋框找到要檢查的 KB，點擊節點查看社群與鄰居。
2. 先看節點是否因大量同標題副本而變大；不要直接把大節點當正式主文章。
3. 對每個鄰居查核 exact_content、來源是否相同、三項相似分數與證據來源。
4. 依第七章判定為：拆分、完全重複合併、語意重複合併、保持版本、保持相關或拒絕關係。
5. 把結果送入第八章的人工核准流程；互動圖本身不執行任何資料修改。

五、問題點與確認結果

六、三個解決方案

七、多概念 KB 與 KB 合併處理辦法

7.1 一眼看懂：拆分與合併是兩條不同管線

7.2 用本次真實資料說明判斷方式

7.3 KB 拆分判定：什麼叫「一個核心概念」

一個核心概念＝一種使用者目的＋一個要解決的問題＋一組不可分割的適用條件。審核時不要用段落數或文章長度判斷，而是依下列測試逐項判定。

符合任一項即可列入 SPLIT_REVIEW，但必須由人工核准後才拆。Graph 上跨多個社群、標題含多個問號、正文有多個 FAQ 小節，可用來優先找候選，但不能取代上述內容判定。

7.4 KB 拆分機制：從原文到可上線子 KB

1. 鎖定來源版本。記錄原 UUID、來源網址、版本、更新時間與內容雜湊；處理期間原文維持唯讀，避免審核途中內容漂移。
2. 列出概念清單。把文章改寫成「一行一個使用者問題」；每個問題都要標出對應原文段落，不得憑空補答案。
3. 合併同一問題內的必要內容。操作步驟、前置條件、限制和例外若共同服務同一問題，放進同一子 KB，不再切碎。
4. 複製共同適用條件。若日期、資格或平台限制同時約束多個子概念，必須明確帶到每篇子 KB，不能只留在原文。
5. 產生子 KB 草稿。每篇固定包含：單一問題式標題、直接答案、必要步驟、適用條件、例外、來源與原文段落位置。
6. 人工逐篇核准。檢查「答案是否自足、限制是否遺漏、子 KB 是否互相重疊」；任一項失敗就退回重拆。
7. 非破壞式發布。核准的子 KB 才進入檢索；原文章改為來源容器或子文章導覽頁，不再作為直接回答，但保留追溯與回滾。

7.5 KB 合併判定：四道閘門必須全部通過

7.6 KB 合併機制：候選群組、主文章與舊文章怎麼處理

1. 先組群，不逐條直接合併。把完全相同或高度相似的連線轉成候選群組；同一篇出現在多條配對時只審一次，避免 A→B、B→C 後重複處理。
2. 先確認每篇都是單一概念。群組中任何一篇仍含多概念，就移回拆分管線；完成拆分後才能重新比較。
3. 逐篇套用四道閘門。每項都要引用兩篇原文的對應句；未知資料一律視為未通過，不允許 AI 自行推測。
4. 選 canonical KB。依序採用：仍有效的權威來源 ＞ 適用條件最明確 ＞ 答案與例外最完整 ＞ 更新日期較新 ＞ 既有連結較穩定。排除過期、衝突或來源不明文章。
5. 組成正式內容。主答案以 canonical KB 為底，只加入已核實且不衝突的必要資訊；其他文章標題與問法保存為搜尋別名，不把不同條件硬塞進同一答案。
6. 非破壞式切換。canonical KB 維持 active；其他舊文章停止進入檢索並以舊 UUID 轉址到 canonical KB，來源、版本與合併紀錄永久保留，不硬刪除。
7. 重新索引、測試、再發布。用所有舊標題、舊問法和舊 UUID 驗證；任一查詢找不到正確答案、轉址失效或限制遺漏，就中止發布並回滾。

7.7 最終決策只有六種，不使用模糊答案

八、建議執行計畫

8.1 分批順序與實際產出

8.2 每個文章配對的固定路由規則

8.3 AI 必須收到的輸入

• 文章 A／B 的 UUID、標題、完整答案，以及命中相似的正文片段。
• 來源頁、來源識別碼、語言、受眾、產品、有效日期與最後更新時間；缺少的欄位必須標記為未知，不能自行猜測。
• 標題、正文、分類三個分數；是否完全相同、是否同來源、是否為 Graphify 提出的關係。
• 如果是多概念檢查，必須提供完整文章與段落位置，不能只看標題。

8.4 AI 必須回傳的固定 JSON

{
  "decision": "MERGE_EXACT_REVIEW | MERGE_SEMANTIC_REVIEW | SPLIT_REVIEW | KEEP_RELATED | KEEP_VERSIONED | KEEP_SEPARATE | REJECT_EDGE",
  "same_intent": true,
  "answer_equivalent": false,
  "same_applicability": false,
  "contradictions": [
    {"field": "effective_period", "article_a": "...", "article_b": "..."}
  ],
  "evidence": [
    {"article_uuid": "...", "quote": "來源原句", "supports": "判斷項目"}
  ],
  "split_concepts": [
    {"intent": "單一問題", "source_span": "段落位置", "answer_scope": "必要答案範圍"}
  ],
  "canonical_recommendation": {"uuid": "...", "reason": "..."},
  "needs_human_approval": true
}

8.5 誰可以做什麼

8.6 正式主文章怎麼選

1. 先排除已過期、條件不明或答案有衝突的文章。
2. 優先選權威來源且仍有效的文章。
3. 再比較答案是否完整包含步驟、限制、日期、資格與例外。
4. 條件相同時選更新日期較新、既有引用較穩定者；保留其他文章標題作搜尋別名。

8.7 每筆處理紀錄必須保留

• 兩篇文章的 UUID、來源、版本與內容雜湊。
• 判定為重複、版本變體、相關文章或不相關的理由與證據。
• 人工審核人、時間、結果及正式主文章 UUID。
• 拆分／合併前後內容與轉址資訊，確保可以回滾。

8.8 驗收標準

• 每篇啟用中的 KB 只回答一個主要概念。
• 沒有任何文章只因相似分數高就被自動合併。
• 合併後舊 UUID 仍能導向正式主文章，且來源與歷史可追溯。
• 建立至少 200 組人工答案集：完全重複、同意圖、相關但不可合併、完全無關各 50 組；合併建議準確率至少 90%，跨大分類誤連率不超過 5%。
• Graphify 圖檔維持找不到端點 0、自己連自己 0、重複關係 0。
• 發布前通過檢索回歸測試；異常時能切回上一版本。

九、附錄與交付物

詳細文章樣本預設收合，需要時再展開，不干擾主要結論。

交付物

• 本 HTML 報告
• 互動式 Graphify similarity graph
• Graphify GRAPH_REPORT.md
• GraphRAG-ready graph.json
• 完整 node／edge extraction
• 分析與門檻敏感度 JSON