核心用法
Knowledge Connector（知识连接器） 是一款面向知识管理的 CLI 工具与 JavaScript 库，核心能力包括：
1. 知识提取：通过 kc extract 从文本、文档中自动识别关键概念与实体，支持文件输入或管道文本
2. 关系建立：使用 kc connect 建立概念间的语义关联，支持自动分析或手动定义关系类型（包含、因果、相似等）
3. 知识图谱构建：将提取的概念与关系组织为可视化图谱，支持 HTML/JSON 格式导出
4. 智能查询：kc query 支持关键词搜索、概念详情查看、关联概念探索及自然语言问答
5. 知识推荐：基于图谱关联度为用户推荐相关知识节点
显著优点
- 全链路覆盖：从原始文本到可视化图谱的完整工作流，无需切换工具
- 灵活的关系建模：预定义 6 种关系类型，同时支持自定义扩展
- 多接口支持：CLI、JavaScript API 双模式，便于集成到现有系统
- 本地化存储：数据默认存储于本地文件系统，隐私可控
- 中文优化：原生支持中文概念提取与查询
潜在缺点与局限性
- 无云端协同：缺乏多用户协作与云端同步机制，团队场景受限
- 性能瓶颈：官方提示"大量数据时查询性能可能下降"，需手动优化
- 无实时更新：依赖手动触发提取，无法监听文档变化自动同步
- 可视化基础：HTML 导出为静态文件，无交互式在线图谱编辑
- 冷启动问题：空知识库时推荐功能效用有限
适合人群
- 个人研究者、学生构建学科知识网络
- 技术写作者整理文档体系与概念索引
- 小型团队进行轻量级知识沉淀（需配合版本控制工具）
- 开发者作为 NLP 流程的图谱生成组件集成
常规风险
- 数据丢失：本地存储无自动备份，误执行
kc clear或磁盘故障将导致数据不可逆丢失 - 概念冲突：大小写敏感且无名空间隔离，不同来源的同名概念可能混淆
- 关系质量：自动关联依赖底层 NLP 模型准确性，可能产生错误关联需人工审核
- 隐私泄露：提取的敏感文档概念可能残留于本地存储，共享设备需注意数据清理