知识图谱如何让智能体调试更直观？星图工具通过可视化架构与流程，让开发者与AI共同“看清”思维路径。
核心内容：
星图工具的开发背景与核心诉求
四大典型使用场景与交互演示
从原型到标准化Skill的演进过程
在频繁的智能体调试中，无论是我还是大模型本身，对于我们共同开发出的那些智能体，在架构和细节方面心里都有点打鼓，谁也不敢拍胸脯，于是用知识图谱搞了一个可视化的“神经网络”，辅助我做架构调试，以及智能体的自我纠偏。
01 目前经历的过程
目前能源方向的大模型应用及智能体开发，大部分都不是自上而下、一气呵成的，因为没有成熟的经验可以参考，所以一般还是先从具体需求出发，先实现，再迭代，然后逐步提炼，起码我们是这样。
这个过程中会经历业务场景、技术实现、交互方式、主体架构多方面的反复变化和迭代，甚至推倒重来，需求很真实，过程很刺激，甚至很痛苦。
为了把那些用户说不清，我有点担心，智能体自己也搞不清的东西梳理好，于是有了这个东西：星图（AgentStarMap）。
02 先感受一下
这个小东西的诞生，最初的灵感有两个，远有 贾维斯，近有 Obsidian，身处可视化的神经网络当中，和它们实时交互，那种感受，想想就相当震撼。
03 我的几个诉求
最初的诉其实很简单：我想直观的看到智能体的思维结构，想知道每个场景怎么流转，想追踪问题出在哪个节点，如果修改它会有哪些关联影响，以及眼前的这个架构还能不能行、要不要改造。
于是有了这个小工具，为了方便聊天，起个名字叫：星图。它有几个典型的使用场景：看结构、跟流程、看关联、分析问题。
以手头正在迭代的某个智能问数的智能体为例，看几个典型场景。
场景 1 · 整体网络结构
一眼看清智能体由哪些模块组成、相互关系如何；左侧分类板可按模块类型筛选，力导向图可自由拖拽各个群组。
场景 2 · 典型交互流程
点击底部场景卡片，完整处理路径自动高亮并逐步播放动画；右侧展示当前各步骤，点击某一步可暂停跟看。
场景 3 · 重点节点关联
点击任意节点，直接关联的上下游节点高亮，其余自动变暗；用于判断某个模块修改后的波及范围，方便影响面分析。
场景 4 · 分析问题
有时候对某个问题想不明白，就点开看看；也有的时候发现智能体自己也懵了，就让它自己查查这个图谱，就当小抄（cheatsheet）用了。
04 Skill 版的诞生
有了野蛮实现后，还是控制不住，试着走精益求精、然后标准化提取的路子，把它做成了个 Agent Skill。
完整的 Skill 结构及设计定位
●●●agent-starmap/
agent-starmap · Skill 完整目录结构
agent-starmap/
├──SKILL.md
主入口：5 阶段工作流（探索→分组→生成数据→渲染→校验）
├──template.html
渲染引擎：69KB 的完整前端，D3.js 力导向 3D 图谱，包含动画与触屏交互
├──reference-data.md
数据规范：节点/关系/场景格式、色板、数量基准与常见缺陷列表
└──reference-engine.md
引擎文档：3D 投影算法、占位符语法与数据写入说明
SKILL.md 的职责说明
●●●SKILL.md · 智体星图
SKILL.md · 5 阶段工作流说明（业务视角）
[Phase 1]探索代码库
自动读取目录树、README、入口文件与核心模块，建立整体结构印象
[Phase 2]动态划分分组
不预设分类，根据项目实际情况导出 10–18 个节点大类（如 UI、意图、Handler、向量库等）
[Phase 3]生成图谱数据
提取节点（目标 60–120 个）、关系边（120–200 条）与业务场景（查询/训练/知识库）路径
[Phase 4]写入 HTML
将数据填充到 template.html 占位符，输出一个自包含、可直接运行的单文件 HTML
[Phase 5]自动校验
检查节点与关系一致性，确认分组都有对应节点，场景路径引用的 ID 均存在
PS：目前 Skill 是通过 Cursor 等工具按需触发，后续看需求可以再优化一下：在智能体设计时增加钩子程序，根据智能体修改自动触发更新。好了，今天先到这儿，有兴趣的伙伴欢迎一起探讨。
[登录查看剩余 70% 内容](javascript:void (0);)
知识图谱知识图谱可视化知识图谱可视化工具
分享：
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业
上一篇：本体工程化-分享会感悟：从“会回答”到“能落地”下一篇：基于数据关系与推理关系协同的本体推理架构
返回列表
相关资讯
2026-07-22 CodeGraph：给 AI 编码助手建一张代码地图2026-07-22 本体工程化-分享会感悟：从“会回答”到“能落地”2026-07-20 基于数据关系与推理关系协同的本体推理架构2026-07-20 本体论下的知识图谱关系实体化：关系与实体的边界2026-07-17 85.2万星！别再全文搜索了：一句话，把整个项目变成可查询的知识图谱2026-07-16 AI会说话了，为什么大厂还在补“本体论”这门课2026-07-14 从 Vector Retrieval 到 Knowledge Graph：Google OKF 的企业 AI 上下文架构解析2026-07-14 深度丨工业知识图谱：听起来很美，做起来为什么这么痛？
联系获取
联系获取
160+中大型企业正在使用53AI
[立即咨询](javascript:void(0))[预约演示](javascript:void(0))
把握AI发展的机遇，共同探索、共同进步 2025-01-22如何打造基于GenAI的员工服务机器人 2025-01-22
