知识图谱

知识图谱把文章、项目、下载资源和学习路线放在同一张关系图里，适合用来回答“这个页面接下来该读什么”。它不是自动生成的 SEO 链接农场，而是按技术依赖、实验材料和主题边界整理的站内索引。

节点类型	代表内容	连接依据	如何使用
主题页	机器学习、深度学习、网络基础、AI 安全。	同一类文章和实验材料的入口。	从主题页进入一组文章，建立全局方向。
文章	K-means、八皇后、TLS、Transformer 数学。	概念依赖、代码复用或实验复核关系。	查看前置知识和后续可运行材料。
资源	CSV、C/Python 源码、图表、实验压缩包。	文章中的数据、代码或可视化来源。	下载后按文章步骤复现实验。
学习路线	AI 基础、算法可视化、网络实验。	从简单到复杂的阅读顺序。	避免在不相关页面之间随机跳转。

知识图谱

把文章、路线和资源接起来

像横向画板一样拖动图谱，点击节点展开相邻内容，下方会显示摘要、项目归属和继续阅读入口。

拖动画布，点击节点展开

当前节点

图谱会显示项目、文章、资源和学习路径之间的关系。

打开相关页面

知识图谱只连接确实有内容关系的页面，不为了增加链接数量而互相堆砌。一个连接通常需要满足至少一个条件：前置概念依赖、同一实验材料、同一代码路径、同一安全边界或同一学习阶段。没有这些关系的页面不会强行连接。

使用图谱时，建议先选择一个主题节点，再沿着文章和资源节点向外走。这样可以看清一组内容的结构，而不是被随机链接带到不相关页面。后续新增文章时，也会按这个规则补充节点和边。

如果某个节点只有标题没有正文、没有资源、也没有后续路径，它就不适合长期留在图谱里。图谱维护的目标是帮助读者减少迷路成本，而不是制造更多薄入口。后续会优先补齐能形成闭环的主题。

闭环的含义是：至少有一篇解释文章，一个可运行或可下载材料，以及一个能说明学习顺序的入口。比如 K-means 主题同时包含算法解释、C 代码、Iris 数据、流程图和可视化结果；网络主题则需要协议说明、状态时间线和排障边界。

如果你不知道从哪里开始，可以先找主题节点，再看它连接的文章节点，最后打开资源节点。这个顺序能避免先下载文件却不知道它服务于哪一步实验。

图谱中的关系会持续校正。