Markdown 纯文本、版本可控、与 Git 工作流天然契合，比专有知识库格式更易协作。每个业务概念一个 .md 文件，正文中用 [[双链]] 指向关联概念，即可形成图结构。

为每类实体约定 front-matter（如 type、alias、owner、source），边关系通过正文双链或 YAML 字段表达。固定 Schema 是后续图谱查询与一致性校验的前提。

构建流程：① 文档分块 → ② 实体/关系抽取 → ③ 写入 Markdown 文件与双链 → ④ 工具（如 Obsidian Dataview、自研脚本）扫描生成图索引 → ⑤ 提供给 RAG / Agent 查询。

向量库擅长语义模糊匹配，图谱擅长精确关系推理（"谁负责 / 依赖哪些 / 影响范围"）。二者混合检索（GraphRAG 思路）可显著降低幻觉率。

Agent 先通过自然语言命中候选节点，再沿图谱扩展邻居、汇聚子图，最后把结构化上下文注入 Prompt。固定 Schema 让 Agent 的检索路径可控、可审计。

相比纯向量库，图谱方案在"关系型问答、影响分析、权限继承"场景准确率更高，且知识变更只需改对应 .md，天然支持增量更新与 Code Review。