textgraph

textgraph

textgraph 可将一段文本转换为知识图谱，并回答有关该图谱的问题：主要主题和聚类有哪些、缺少哪些关联，以及这些缺口会带来哪些研究问题或想法。它还可以在 InfraNodus 账户中创建图谱、按名称分析现有图谱，并通过图谱比较多篇文本。

此软件包是一次洁净室重建，并且是一个有明确标注的核心子集：它涵盖了原始 InfraNodus MCP 服务所记录的 22+ 个工具中的 12 个。省略的工具列在下文的“范围”部分。

与服务通信的方式

每个工具都需要 InfraNodus API 密钥：

export INFRANODUS_API_KEY="your key"
# Optional override (default: https://api.infranodus.com)
export INFRANODUS_API_URL="https://api.infranodus.com"

如果未设置密钥，所有调用都会在发送任何请求前失败，并显示指明 INFRANODUS_API_KEY 的错误。

**传输格式说明：**原项目的 README 记录了工具及其用途，而非 HTTP 传输格式。此处使用的端点结构是有文档记录的重建版本：每个工具都会将其 JSON 参数 POST 到 {INFRANODUS_API_URL}/<tool name>，其中工具名称使用下划线，且与列表中的名称完全一致，并附带 Authorization: Bearer INFRANODUS_API_KEY。响应会以宽容的方式解析：JSON 会作为结构化文本返回，非 JSON 响应正文会原样返回，上游 HTTP 错误则会报告其状态码和部分响应正文。

本地校验会在发送任何请求前执行：analyze_text 要求 text 或 url 至少提供一项；optimize_text_structure 的 responseType 必须是 response、idea、question 或 transcend 之一；overlap_between_texts / difference_between_texts 至少需要两篇文本。

安装

npx @reneturcios/textgraph generate_content_gaps '{"text":"..."}'

也可以运行容器镜像：

docker run -i ghcr.io/cloudcorprecords/textgraph

容器默认启动 MCP 服务。传入 CLI 参数即可将其用作 CLI。

CLI

CLI 与这些工具一一对应：每个工具都有一个子命令，其参数以单个 JSON 对象的形式传入。

textgraph generate_knowledge_graph '{"text":"...","graphName":"notes"}'
textgraph analyze_existing_graph_by_name '{"graphName":"notes"}'
textgraph analyze_text '{"url":"https://example.com/article"}'
textgraph optimize_text_structure '{"text":"...","responseType":"idea"}'
textgraph overlap_between_texts '{"texts":["first","second"]}'
textgraph --version

退出码：成功时为 0，API 或校验错误时为 1（错误会指出问题），用法错误时为 2。

MCP 服务

同一个可执行文件支持两种用途。mcp 子命令会启动 stdio MCP 服务：

npx -y @reneturcios/textgraph mcp

MCP 客户端配置：

{
  "mcpServers": {
    "textgraph": {
      "command": "npx",
      "args": ["-y", "@reneturcios/textgraph", "mcp"],
      "env": { "INFRANODUS_API_KEY": "your key" }
    }
  }
}

工具

工具	输入	功能
generate_knowledge_graph	text（必填）、graphName	将文本转换为知识图谱：主题、概念、关系和聚类。
analyze_existing_graph_by_name	graphName（必填）	从账户中检索并分析现有图谱。
analyze_text	text 和/或 url（至少提供一项，本地校验）	分析文本或 URL：主题、聚类、陈述和图谱结构。
generate_content_gaps	text（必填）	检测文本中缺失的关联和探索不足的主题。
generate_topical_clusters	text（必填）、generateTopicalSummaries	从文本中提取主题和关键词聚类。
generate_contextual_hint	text（必填）	提供文本的主题概述，用于增强大模型的响应。
generate_research_questions	text（必填）	生成能够弥合内容缺口的研究问题。
generate_research_ideas	text（必填）	根据内容缺口提出研究想法。
optimize_text_structure	text（必填）、responseType（须为 response / idea / question / transcend 之一，本地校验）	分析偏向性和连贯性。
create_knowledge_graph	text（必填）、graphName、statements、categories	根据文本在账户中创建图谱，并返回其链接。
overlap_between_texts	texts（数组，至少包含 2 篇，本地校验）	通过各文本的图谱比较文本间的相似之处。
difference_between_texts	texts（数组，至少包含 2 篇，本地校验）	找出其他文本中有而第一篇文本中没有的内容。

范围

以下工具未包含在此核心子集中：optimize_reasoning、 generate_responses_from_graph、develop_conceptual_bridges、 develop_latent_topics、develop_text_tool、 generate_ontology_graph、analyze_llm_results、 merged_graph_from_texts、analyze_google_search_results、 analyze_youtube_results，以及 README 获取列表之外的任何工具。这些工具返回的摘要、想法和问题由上游 InfraNodus 服务生成；此软件包复现的是工具接口以及请求/响应处理，而非该服务的分析质量。

开发

npm install
npm run build   # tsc -> dist/
npm test        # node test runner over test/*.test.ts, fake fetch only, no network
npm run dev     # run the CLI from source via tsx

许可证

MIT — 详见 LICENSE。