知识图谱里的每一句话，都能翻回它出处的那一页。
LoreGraph 把小说、戏剧、剧本、歌剧脚本变成一张可查询的图谱：人物、物件、事件、概念，以及它们之间的有类型关系。每条断言都带一个 evidence_span，也就是原文里的一段字面文本。点开任意一条关系，就落到它出处的那一句。
一张会悄悄编造关系的图谱，比没有图谱更糟。
多数从文本里抽知识图谱的工具，抽完三元组就让你相信它。对虚构作品来说这是致命的。LoreGraph 只守一条规则：每条抽取出的断言都带一个 evidence_span，也就是原文的字面子串；校验轮会丢弃字面匹配不到 95% 的断言。
眼前这段文本。
它被明确告知：
忘掉你知道的
那个孙悟空。
![图版：New Inventions of Modern Times [Nova Reperta], The Invention of Book Printing, plate 4（大都会艺术博物馆，CC0，经拼贴处理）](./assets/capabilities.webp)
对证据严格，对模型宽松。
工程实现参考了 Splink、ComEM 与 GraphRAG：字面证据闸门、跨字符集可用的实体消解、按轮提交与幂等重跑，以及不绑定单一厂商的模型客户端。
八轮，从一段原文，到一条你可以亲自核对的断言。
第 1、4 轮是确定性的，第 2、3、5、6、8 轮调模型，第 7 轮是闸门而不是建议。每轮各自提交，失败的一次用 --from N 续跑，不会重复写入。
切分 →
确定性的章节感知切分，英文标题与「第N回」一样能识别。每个 chunk 都带一个全局故事时间位置。
抽取 →
抽有类型的提及，做实体消解（词面加向量 kNN 分块，再批量匹配）、共指、五类关系，以及它们隐含的常识事实。
校验 →
chain-of-verification。证据跨度对不上原文字面的断言在这里被丢掉，门槛是 95%。
成卡
每个实体合成一张 Hybrid Note：事实与推断分栏，每条推断标注置信度，并给出子类型与重要性层级。
三条命令，你手上那本书就有了一张图谱。
先 uv sync，对着装了 pgvector 的 Postgres 16+ 跑 alembic upgrade head，然后 loregraph ingest 加 loregraph extract。一把 OpenRouter key 就够。中等长度的长篇是分钟级而不是小时级，每本书还有 20 美元的预算上限，在轮次之间强制生效。
