Show HN：將 18 萬字故事轉化為時序知識圖譜（Oz 系列）
為何重要
這項成果驗證了複雜長文本如何透過「先本體論再提取」的流程有效對抗 LLM 的不一致性問題。對於需要處理動態關係與時間維度知識庫的開發者而言，引入「認知學」節點來捕捉不同視角是一個值得觀察的技術趨勢。
SynapTale 將 Oz 系列小說視覺化為時序知識圖譜，展示如何利用多智慧體架構將文本資料結構化。該服務目前無需註冊即可免費探索，旨在建立除 Wiki 分析之外，能精確反映故事實體關係的資料模型。
- 演示資料包含 232 個實體與 1,852 條邊，並隨章節進行狀態快照。
- 技術上採用五條 LLM 與 NLP 結合的多智慧體管道，處理本體論建構與關係提取。
- 邊界型別包含事件、身份狀態，其中絕大多數邊界為閉環的「事件」，這讓系統具備良好的擴充套件性。