顯示具有 資料關係視覺化 標籤的文章。 顯示所有文章
顯示具有 資料關係視覺化 標籤的文章。 顯示所有文章

2025/11/22

Neo4j + Bloom使用指南

 這一組可以想成:

Neo4j = 後端知識圖資料庫

Bloom = 前端「看圖+編輯」的圖形介面(給技術+非技術一起用)


我幫你做一份「實際可落地」的使用指南,重點放在:

  • 組織內部知識管理

  • 技術+非技術一起用、一起編

  • 可以手動調整關係強度 / 距離


一、整體架構概念(先用白話講清楚)

  1. Neo4j

    • 把所有東西變成「節點 (node)」,節點之間用「關係 (relationship)」連起來。

    • 每個節點 / 關係都可以有屬性(例如:title、type、weight…)。

    • 非常適合做 knowledge graph。

  2. Bloom

    • 官方的圖形化探索工具,不用寫 Cypher(查詢語言),就能看圖、搜尋、編輯。

    • 有「場景 scene」可以拖曳節點,互動式探索。

    • 可以直接在畫面上新增 / 修改 / 刪除節點與關係(有寫入權限時)。


你可以把它想成:


技術同事:設計 schema、匯資料、寫自動化
非技術同事:在 Bloom 裡「看圖+微調關係」


二、安裝與啟動(兩種路線)


1. 雲端:Neo4j AuraDB + Bloom

  • Neo4j AuraDB 是官方雲端托管版 Neo4j,免自己維運。

  • 在 AuraDB 控制台裡,會有 Bloom/Explore 分頁,可以直接連到你的資料庫視覺化。


適合:

  • 你不想管 VM、安裝、備份

  • 組織已經習慣用雲服務


2. 本機:Neo4j Desktop + Bloom

  • 安裝 Neo4j Desktop → 建一個本機 DB。

  • Desktop 裡的「Explore」工具就是 Bloom 驅動的圖形化探索介面。


適合:

  • PoC、個人實驗、內部先玩玩看

  • 沒有馬上要上雲端


建議:

  • 個人 / 小團隊先用 Desktop 做 PoC
  • 確認模式 OK 再搬到 AuraDB 給整個組織使用


三、先決定你的知識圖資料模型(給技術+架構概念)


以「組織內部知識管理」來說,可以這樣設計 schema:


節點類型 (labels):

  • :Document  —— 各種檔案 / 文件

  • :Concept   —— 抽象概念或主題

  • :Person    —— 作者 / 使用者 / Stakeholder

  • (選配):Project:System, 等


關係類型:

  • (:Document)-[:ABOUT]->(:Concept)

  • (:Document)-[:RELATED_TO { baseWeight, aliceWeight, bobWeight }]->(:Document)

  • (:Person)-[:AUTHORED]->(:Document)


這樣每一條 RELATED_TO 就可以放你的「強度 / 距離」屬性。


建立簡單範例(Cypher)


技術同事可以在 Neo4j Browser / Desktop「Query」執行:

CREATE (d1:Document {id: 'doc1', title: 'Neo4j 簡介'})
CREATE (d2:Document {id: 'doc2', title: 'Bloom 使用手冊'})
CREATE (c1:Concept  {id: 'kgraph', name: 'Knowledge Graph'})
CREATE (p1:Person   {id: 'alice', name: 'Alice'})

MERGE (d1)-[:ABOUT]->(c1)
MERGE (d2)-[:ABOUT]->(c1)
MERGE (p1)-[:AUTHORED]->(d1)

MERGE (d1)-[:RELATED_TO {
  baseWeight: 0.6,
  aliceWeight: 0.9,
  bobWeight: 0.3
}]->(d2);

這些資料一進 DB,就能在 Bloom 裡看到、操作。


四、Bloom 基本介面與核心概念


Bloom 的核心元素:

  1. Scene(場景)

    • 你目前畫面中看到的那一小片圖,就是一個 scene。

    • 可以拖曳節點、放大縮小、右鍵開選單。

  2. Perspective(視角)

    • 定義「這張圖想給誰看」:

      • 要 expose 哪些 label / relationship

      • 每種類型用什麼顏色 / 圖示 / caption

      • 允許哪些搜尋語句

    • 同一個 Neo4j graph 可以有多個 perspective,對應不同部門 / 使用情境。

  3. Legend panel(圖例 / 樣式控制)

    • 列出所有類別(節點 / 關係型別)與其樣式(顏色、大小、線型)。

    • 可以在這裡做 rule-based styling(依某個屬性改顏色、大小)。


對你來說:
Perspective + Legend = 定義「知識地圖看起來怎樣」的地方。


五、從零開始:建立一個給「非技術同事」用的 Bloom 視角


假設你已經有 Neo4j DB,裡面照剛剛的 schema 存東西。


Step 1:建立 Perspective


在 Bloom 裡:

  1. 開啟 Bloom → 連線到你的 Neo4j DB。

  2. 打開「Perspectives」管理畫面。

  3. 選擇「Blank Perspective」,自己手動挑要用的 labels(Document、Concept、Person)。

  4. 定義每個類別的:

    • 顏色(例如 Document 藍、Concept 綠、Person 橘)

    • 圖示

    • Caption 顯示哪個 property(例如 Document 顯示 title


Step 2:定義關係的樣式(包含權重)


在 Legend panel:

  1. 找到 RELATED_TO relationship type。

  2. 設定基本顏色、線寬。

  3. 加入 rule-based style:

    • 例如以 baseWeight 或 aliceWeight 做樣式規則。


Bloom 支援「依屬性改顏色與大小的 rule-based styling」。


可以設計成:

  • weight >= 0.8 → 粗線+亮色

  • 0.4–0.8 → 中等線寬

  • < 0.4 → 細線+淡色


Step 3:讓非技術同事「看圖」


在 Bloom 中:

  1. 使用搜尋欄位輸入 Document 名稱或關鍵字。

  2. Bloom 會顯示對應節點及其鄰居,形成 scene。

  3. 同事可以:

    • 拖曳節點(整理成自己看得懂的布局)

    • 滑鼠滾輪縮放

    • 右鍵節點展開更多關聯(例如再展開 ABOUT 的 Concept)


六、在 Bloom 裡「編輯圖」:讓人手動調整關係


Bloom 支援直接在畫面上編輯 graph(前提:連線帳號有寫入權限)。


1. 新增關係(讓使用者補充他覺得「有關」的連結)


操作:

  1. 在 scene 中按住 Ctrl / Cmd 選兩個節點。

  2. 右鍵 →「Create Relationship」。

  3. 選 RELATED_TO 類型,輸入初始 weight(例如 0.5)。


→ 資料會直接寫回 Neo4j。


2. 修改關係強度 / 欄位


操作:

  1. 點選一條關係線。

  2. 右側 Inspector 會顯示 relationship 的 properties。

  3. 直接編輯 aliceWeight / baseWeight 等欄位。


結果:

  • Bloom 依照 Legend 裡的 rule-based styling 立刻更新線的顏色 / 粗細。


這就是你要的:
人類使用者透過 UI 手動調整關係強度(權重),而且立刻在視覺上看到差異。


3. 新增 / 編輯節點


非技術同事也可以:

  • 在空白處右鍵 → Create Node

  • 填 Document 或 Concept 相關欄位

  • 再用 Create Relationship 接到其他節點


Bloom 官方也有示範「如何建立與複製 node/relationship」的影片教學。


七、探索功能:讓大家玩出「知識之間的路線」

  1. Shortest Path(最短路徑)

    • 選兩個節點 → 右鍵 → Shortest Path(二者間最短關係鏈會自動畫出來)。

    • 可以用來找:「兩個看似無關的主題,中間是透過哪些文件連起來?」

  2. Graph Data Science Integration(進階)

    • 可以從 Bloom scene 直接呼叫 Graph Data Science 演算法(例如 community detection、centrality),並用結果來上色 / 大小。

    • 適合後期:根據使用者調整過的權重來算群聚與重要度。


八、權限與分工建議(讓技術+非技術和平共處)


角色分工建議:

  1. Graph Admin(多半是技術)

    • 設計 Neo4j schema(節點/關係類型、欄位)

    • 管理 AuraDB / Desktop instance

    • 建立、管理 Bloom Perspectives

    • 設定 Legend、rule-based styling

    • 撰寫必要的 Cypher / 自動匯入腳本

  2. Domain Experts / 非技術使用者

    • 使用 Bloom 搜尋與探索

    • 手動新增 / 調整關係

    • 調整 weight(代表自己的認知)

    • 回饋「哪種視圖、顏色、分群」最符合他們的思考方式

  3. Knowledge Owner / KM 管理者

    • 定期 review 使用者編輯過的關係

    • 決定哪些變更要變成「官方 baseWeight」

    • 管理 perspectives(例如某些敏感資料不在一般視角顯示)


Bloom 本身就是設計給「非技術人可視化探索並互動」的工具,官方也強調「無需寫程式、可直接編輯圖」。


九、導入你組織的實際 roadmap(簡版)


你如果真的想在組織裡推這組技術,可以照這個節奏:

  1. PoC(1–2 週)

    • 用 Neo4j Desktop + Bloom

    • 匯入 100–300 筆文件+10–20 個主題當試驗

    • 跟 3–5 位同事玩「關係調整」練習

  2. 設計正式 schema + 欄位

    • 決定節點類型與關係類型

    • 設計 baseWeight + userWeight 的欄位架構

  3. 搬到 AuraDB(或正式 Neo4j 伺服器)

    • 開雲端 instance

    • 匯入較完整的組織資料

  4. 在 Bloom 建立 2–3 個 Perspectives

    • 一個給技術

    • 一個給一般同事

    • 一個給主管(簡化版)

  5. 教育訓練:教大家怎麼「看圖」+「調關係」

    • 只要讓他們會:搜尋、拖節點、改 weight 就夠強大了



Kumu使用指南

 下面是一份 完整、易上手、含操作細節的《Kumu 使用指南》

專門針對你想做的「組織內部知識地圖/概念關係可視化/可調整關係距離」而設計。


我會讓你 看完 10 分鐘內就能開始做一張能用的知識圖


🟦 Kumu 使用指南(最新最完整版本)


本指南包含:

  1. Kumu 是什麼?適合做什麼?

  2. Kumu 的 UI 介紹(畫面每個區域作用)

  3. 核心概念(Elements / Connections / Fields / Views / Lenses)

  4. 新手 10 分鐘快速入門

  5. 建立節點與關係(可加權重)

  6. 視覺化與排版(拖曳距離、人類認知距離編輯)

  7. 使用 Lens、Filters、Groups(最強功能)

  8. 匯入資料(CSV / Google Sheet)

  9. 多人協作規則與權限

  10. 適用於知識管理的最佳實務


🟥 1. Kumu 是什麼?為什麼比一般 mind map 更強?


Kumu 是一個:

  • 專注在複雜關係的可視化工具(Network Mapping)

  • 介於「Mind Map」+「Knowledge Graph」+「系統地圖」之間

  • 支援完全圖像化操作,非技術者也能用

  • 但仍保留「屬性欄位 / 權重 / 分類 / metadata」這種專業能力


特別適合:


✔ 知識管理(Knowledge Map)

✔ 檔案/主題/概念之間的關聯

✔ 人類手動調整「距離」

✔ 多人一起編圖

✔ 簡易版的 knowledge graph 建置


如果你想讓人手動調整關係強度、距離,Kumu 是視覺效果最好的工具之一。


🟥 2. Kumu 的 UI 介紹


Kumu 的畫面分成四大區:


🔵(A)左側工具列


你會用到:

  • Add Element:新增節點

  • Add Connection:新增連線

  • Filters:顯示/隱藏部分節點

  • Lenses:視覺化規則

  • Selection:多選

  • Map Settings:地圖設定

  • Import / Export:匯入 CSV


🔵(B)主畫布(Canvas)


在這裡你可以:

  • 拖曳節點(調整距離!)

  • 放大縮小

  • 點擊節點看詳情

  • 手動重排佈局


Kumu 最好用的特性:人類可以用拖曳方式呈現認知距離。


🔵(C)右側屬性面板(Inspector)


點任何節點或連線,可以:

  • 修改名稱

  • 修改類型(Type)

  • 新增自訂屬性欄位(例如 weight, owner, tags…)

  • 加群組(Group)

  • 更改顏色、Icon


🔵(D)上方設定與檔案列


用來:

  • 儲存

  • 發佈(Publish)

  • 匯出圖片

  • 分享地圖

  • 切換 View


🟥 3. Kumu 的核心概念(要理解這些才會用得順)


✔ 3.1 Elements(節點)


就是:

  • 文件

  • 主題

  • 概念

  • 人物

  • 欄位

  • 專案


每個 element 可以有:

  • 名稱

  • 類型(type)

  • 描述

  • 自訂欄位(fields)

  • Tags

  • 顏色、形狀


✔ 3.2 Connections(關係)


兩個節點的連線,就是 connection。


每條 connection 可以有:

  • 類型(type):related / explains / depends on …

  • 強度 weight(你可以新增欄位:number)

  • 描述

  • 顏色、粗細(可根據 weight 自動設定)

  • Tags


✔ 3.3 Fields(自訂屬性欄位)


這是 Kumu 非常強大的地方。


你可以在 node 或 connection 上新增:

  • 數字欄位(weight, confidence, similarity)

  • 類別欄位(category, priority, owner)

  • 文字欄位(note, summary)


這對知識管理非常重要。


✔ 3.4 Views(視圖)


一個 map 可以有:

  • 多個不同視圖(View)

  • 每個視圖的樣子、layout 不同

  • 用來做:主管視角 / 團隊視角 / 個人視角


✔ 3.5 Lenses(視覺規則引擎)


Kumu 的最強功能:


用條件語法決定顏色、大小、連線粗細


例如:

connection[weight > 0.7] {
  stroke: #FF0000;
  stroke-width: 3;
}

可以輕鬆做出:

  • 重要關係變紅

  • 弱關係淡掉

  • 人物節點變小

  • 文件節點變大


🟥 4. 新手快速入門(10 分鐘做出第一張可用知識圖)


Step 1:建立地圖


登入 → Create New Map → Blank Map


Step 2:新增節點(Element)


左側 → Add Element → 點畫布


輸入:

  • Name:「資料分析流程」

  • Type: Concept


再新增更多節點(例:資料來源、模型、結果…)


Step 3:新增連線(Connection)


選兩個節點 → Add Connection


設定:

  • Relation type: relates to / depends on

  • 新增欄位:strength: 0.8(這是你要的強度)


Step 4:拖曳節點(調整距離)


直接把節點拉近或拉遠。


Kumu 會記住位置。
這是「人類認知距離」的最佳呈現方式。


Step 5:視覺化強度(用 Lens)


左側 → Lenses → New Lens


輸入:

connection[strength > 0.7] {
  stroke: #ff4f4f;
  stroke-width: 4;
}
connection[strength <= 0.7] {
  stroke: #aaaaaa;
  stroke-width: 1;
}

立刻看到:

  • 強連線變粗變紅

  • 弱連線變細變淡


Step 6:加群組(Groups)


右側屬性 → Groups → 新增


可用來做:

  • 文件分類

  • 主題分類

  • 團隊分類

  • 時間軸分段


Step 7:儲存、分享


右上角 → Share Map

  • Public

  • Private(內部用)

  • Viewer / Editor 權限


🟥 5. 匯入資料(大量資料必用)


你可以匯入:


✔ 5.1 CSV for Nodes


欄位示例:


| id | label | type | description | category | url |


✔ 5.2 CSV for Connections


欄位示例:


| from | to | type | strength | note |


匯入後:

  • Kumu 自動產生節點與連線

  • 你可以再調整視覺


🟥 6. 多人協作(你會用到)


Kumu 支援:


✔ 6.1 權限

  • Owner

  • Editor

  • Viewer


適合用在知識管理。


✔ 6.2 多個 View 做不同人的視角


例如:

  • View 1:技術文件視圖

  • View 2:非技術者的簡化視圖

  • View 3:主管視圖(看 Cluster)


每個 View 可以有自己的:

  • Layout

  • Lenses

  • Filters


意即同一組資料 → 多種不同地圖。


🟥 7. 知識管理最佳實務(Kumu 特別適用)


下面這些方法可以讓你做的知識圖更實用、可維護:


✔ 建立「節點類型」標準


例如:

  • File

  • Concept

  • Project

  • Person

  • Tool


✔ 為關係建立「強度」欄位


strength: (0~1) 或 (1~10)


✔ 用 Lenses 做 3 種強度顯示

  • 強 → 紅色粗線

  • 中 → 橘色一般線

  • 弱 → 灰色細線


✔ 用 Filters 讓地圖不亂


例如:

  • Filter =「只看主要主題」

  • Filter =「看與某概念距離 1~2 階的內容」


✔ 手動調整位置(以人類認知呈現)


Kumu 最大的優勢就是:


人類能用眼睛看、用手拉,把資訊結構「調整成自己理解的樣子」。


🟥 8. 適合你情境的配置(推薦)


你之前說:

  • 每個人覺得兩個概念的關係強度不同

  • 想要用 UI 手動調整

  • 想用可視化方式瀏覽文件/概念間的關聯


最適合的 Kumu 設定如下:


🎯 A. 每個人一個 View(個人視角)


每個人都能:

  • 在自己的 View 調整節點位置(距離)

  • 不影響其他人的版本

  • 可回到默認 View


🎯 B. Connection 上放「strength」、「opinion_by_xxx」


例如:


| strength | alice_score | bob_score |


🎯 C. 用 Lenses 讓每個人看到自己的強度


例如:

connection[alice_score > 0.7] { stroke: red; }


🎯 D. 團隊每週一起整理主 View


讓主 View 是穩定的、共識的知識地圖。



Graph Commons 使用指南

 以下內容提供你一份 易懂、可直接上手的 Graph Commons 使用指南

包含:

  1. 什麼是 Graph Commons(認識工具)

  2. 基礎概念(節點/關係/屬性)

  3. 操作介面說明

  4. Step-by-step 新手快速入門流程

  5. 匯入資料(CSV / Google Sheet)

  6. 編輯與調整關係強度

  7. 版本管理(Fork / Merge)

  8. 視覺化、樣式調整

  9. 團隊協作方式

  10. 高階用法(分析、群聚、嵌入、API)


適合你要做的:

內部知識地圖、概念間關係可視化、多人共同編輯、可調整距離與強度。


🟥 1. 什麼是 Graph Commons?


Graph Commons 是一個:

  • 可視化知識圖(Knowledge Graph)

  • 社群型網路建構平台(多人共同編輯)

  • 完全圖像化操作(非技術者也會用)

  • 每個節點與每條連線都有 metadata(欄位、強度、分類)


它最適合用來呈現:

  • 文件 → 文件 的關聯

  • 文件 → 概念 的連結

  • 人 → 文件 → 主題 的互動

  • 以及你說的:每個人自己定義的關係強度


🟥 2. Graph Commons 基本概念(非常重要)


✔ 2.1 Node(節點)


代表一個「東西」:

  • 檔案

  • 概念

  • 事件

  • 人物

  • 組織

  • 主題


每個節點可以有:

  • 名稱

  • 類型(Type)

  • 描述

  • Tags

  • 圖片

  • 自訂欄位(任何屬性)


✔ 2.2 Edge / Connection(關係)


代表兩個節點之間的「連結」。


關係可以包含:

  • 類型(relation type,例如 related to / influences

  • weight / strength(你可自訂的強度)

  • Annotation(文字描述)


Graph Commons 比較特別:連線也可以放很多欄位 → 可以做強度、距離、信心度等。


✔ 2.3 Map(地圖)


一張地圖包含:

  • 全部 node + edge

  • 人員編輯紀錄

  • 視覺布局


你可以:

  • 分享

  • Fork

  • 匯出

  • 匯入資料


🟥 3. 操作介面(UI)簡介


主要分成 4 個區域:


🔸 3.1 左側工具列


常用功能:

  • Add Node(新增節點)

  • Add Connection(新增連線)

  • Search(搜尋節點)

  • Style(變更顏色、大小)

  • Inspect(檢視屬性)

  • Import / Export

  • Settings(地圖設定)


🔸 3.2 主畫布(Canvas)


用來:

  • 拖曳節點

  • 放大縮小

  • 選取多個節點

  • 調整布局(手動)


🔸 3.3 右側屬性面板(Property Panel)


你點任何 node / edge → 右側會出現:

  • 類型

  • 描述

  • 自訂欄位

  • Tags

  • 圖片

  • 連線欄位(例如 weight)


🔸 3.4 上方(Map Tools)


你可以:

  • 分享地圖

  • Fork 地圖

  • 匯入資料

  • 下載圖像

  • 調整圖片限制


🟥 4. 新手快速入門(10 分鐘會用)


以下是一個「10 分鐘完成一張知識圖」的快速操作。


Step 1:新增一張 Map


點:

Create New Map → Empty Map


Step 2:建立第一個 Node(節點)


點:

Add Node → 點畫布空白處


輸入:

  • Name(例如:User Guide)

  • Type:Document

  • Description:此為教學文件

  • Tags:Knowledge


OK!


Step 3:建立第二個 Node


同樣方式再加一個,例如:

  • Concept A

  • Concept B

  • Person John


Step 4:建立關係(Edge)


選兩個 Node,點:

Add Connection


輸入:

  • Relationship type:related to / depends on / explains

  • Weight(你可以自訂欄位,例如:strength = 0.7)

  • 描述(為什麼相關)


Step 5:調整距離(手動拖曳)


Graph Commons 的核心特色:

  • 使用者直接拖曳節點近/遠

  • 重排位置

  • 用人類直覺調整視覺布局


這是你想要的「人類可調整距離」的關鍵。


Step 6:用右側屬性欄位調整強度


點線(Connection)→右側面板:


新增自訂欄位:

  • 欄位名稱:Strength

  • 欄位類型:Number

  • 值:110 或 01


之後就能用視覺工具或篩選器改變呈現。


Step 7:設定顏色 / 樣式


左側選:

Style → By Type / By Field / By Group


你可以:

  • 文件類型變藍色

  • 概念類型變綠色

  • 人物變橘色

  • 強度高的線變粗

  • 強度低的線變透明


→ 這能呈現一種「視覺距離」。


Step 8:分享 / 協作


點:

Share Map


設定:

  • Public

  • Private

  • Invite Collaborators


Step 9:Fork(每位使用者自己的版本)


這對你的需求很重要!


每位使用者可以:

  • 點 Fork Map

  • 修改自己的版本

  • 不會影響主版本

  • 可以再合併(需要人工判斷)


非常適合:


每個人有不同的認知距離、不同的權重評分。


🟥 5. 資料匯入(大量資料時必用)


Graph Commons 支援:

  • CSV

  • JSON

  • Google Sheet

  • Excel


匯入三種層級:


5.1 匯入節點


欄位:


| id | name | type | description | tag | url | … |


5.2 匯入關係


欄位:


| source | target | type | strength | description |


5.3 匯入整張 Map


把 node + edge 都放進同一個匯入檔。


非常適合:

  • 把組織內 500 個文件、1000 個概念一次匯入

  • 然後讓大家在圖上慢慢調整


🟥 6. 調整關係強度(你的核心需求)


Graph Commons 原生支援:


✔ 方式 1:用自訂欄位(最常用)


例如:

  • 在 connection 上新增欄位 strength (01 或 110)

  • 讓使用者手動修改


✔ 方式 2:用拖曳間接表達距離(最有人性)


把節點拉近 = 有關

拉遠 = 疏離


Graph Commons 會儲存位置(layout 是一部分資料)


✔ 方式 3:用「不同地圖(Fork)」表示不同人的理解


Alice 版本 → strength 不同

Bob 版本 → strength 不同


這對你非常重要。


🟥 7. 視覺調整(樣式)


Graph Commons 可以設定:

  • Node 顏色

  • Node 圖示

  • Edge 顏色 / 粗細

  • 依 metadata 自動著色(例如 strength > 0.6 → 紅色)


這是建立「可讀性高的知識圖」的關鍵。


🟥 8. 協作方式(企業常用流程)


✔ 模式 A:主版本(Admin)+ 個人版本(Fork)

  • 管理者維護主版本

  • 每個人 fork 修改

  • 最後人工整合回主版本


✔ 模式 B:多人共編一張圖(共享編輯)

  • 適合較小的團隊

  • 非技術者可輕鬆加節點/加關係

  • 技術者負責清理結構、做匯入


✔ 模式 C:資料由技術匯入、非技術編輯細節

  • 技術團隊:匯入 1000 nodes + 5000 edges

  • 非技術團隊:把關係補強、調強度、增補 metadata


這種組合很適合你的使用情境。


🟥 9. 高階用法(進階)


⭐ 9.1 社群偵測(Community Detection)


Graph Commons 有 clustering,會自動為你尋找:

  • 文件群

  • 主題群

  • 使用者知識群


⭐ 9.2 最短路徑(Shortest Path)


可以:

  • 找概念 A → 概念 B 的最短關係鏈

  • 用於探索「原來這兩個無關的主題,是透過哪份文件連在一起的?」


⭐ 9.3 嵌入(Embed)


你可以把地圖嵌入到:

  • 公司 Wiki

  • Notion

  • Confluence


讓整個組織都可以用。


⭐ 9.4 API 使用


Graph Commons 有 REST API,可用來:

  • 動態更新資料

  • 從公司資料庫同步

  • 自動產生 node / edge


非常適合技術背景的你。



Neo4j + Bloom

 我先用一句話下標:


Neo4j = 圖資料庫(存你全部的知識)
Bloom = 給人看的可視化 / 編輯介面(拿來逛跟改那張圖)


很適合你想做的:「所有檔案與概念的關聯,讓使用者在圖上看見、手動調整 ‘距離/強度’,甚至每個人有自己的版本」。


1. Neo4j + Bloom 是什麼?


1.1 Neo4j:圖資料庫(Knowledge Graph 後端)

  • Neo4j 是現在最常見的 graph database,用 節點 (node) + 關係 (relationship) 存資料,每個 node / relationship 都可以有屬性(properties)。

  • 很適合做 knowledge graph:把文件、主題、概念、人、專案…都當成 node,彼此的連結當成 relationship。


1.2 Bloom:Neo4j 的圖形化探索 / 編輯工具

  • Neo4j Bloom 是官方的可視化工具,給「不會寫 Cypher 的人」用來找資料、看關係、互動探索。

  • 功能包含:

    • 搜尋(圖樣搜尋、全文搜尋)

    • 可視化、放大縮小、拖曳節點

    • 點 node / relationship 看詳細屬性

    • 直接在 UI 裡新增、刪除、修改節點與關係(權限允許的話)


2. Bloom 的 UI 特性(跟你要的「視覺存取 + 編輯」高度對應)


2.1 Perspectives & Legend(視角 + 樣式面板)

  • Perspective:定義你要看的世界觀(哪些 label、關係類型、怎麼命名、預設顏色…)。每種資料領域可以有一個 Perspective。

  • Legend panel:可以針對「某類 node / relationship」設定:

    • 顏色、大小、icon

    • レ線粗細、caption 顯示哪個 property(例如顯示檔名、關係類型)

    • 可以用「資料驅動規則」(data-driven rules) 依某個 property 做樣式,例如 weight 大 → 線比較粗。


對你來說:
可以直接把 relationship.weight 映射成線條粗細或顏色 → 「視覺化關係強度」。


2.2 Search & Graph Pattern Search(搜尋 + 圖樣搜尋)

  • Bloom 提供「自然語言式」搜尋,或透過 graph pattern(例如:(File)-[:RELATED_TO]->(Concept))來找到一整片子圖。

  • 也有全文搜尋,適合找特定檔名、關鍵字。


可以用來:

  • 找「某個檔案」周邊所有相關概念
  • 或「某個主題」下所有文件 + 其互相引用關係。


2.3 Scene & Scene Actions(場景 + 場景動作)

  • Scene:Bloom 中的一個「視圖快照」,記錄當下畫面中有哪些 node/relationship、樣式與佈局,可儲存起來分享給其他人。

  • Scene actions:可以在場景中選取一些 node/edge,然後執行預先定義的 Cypher(像是「對選到的節點跑某個分析」)。


這讓你可以做:

  • 一鍵展開「跟這些文件相關的所有人與主題」
  • 一鍵跑某種「相似度 / 重要度」演算法,然後直接在圖上顯示結果。


2.4 Scene Interactions:Shortest Path 等互動探索

  • Bloom 有內建 Shortest Path 功能:選兩個節點,右鍵「Shortest Path」,它會幫你從 DB 找在 20 hops 內的最短路徑,直接畫在圖上。


對知識圖來說:

  • 可以用來找「這兩個看起來毫不相關的概念,中間是透過哪些文件 / 人 / 主題連起來的」。


2.5 直接在畫面上編輯圖

  • Bloom 不只是 viewer,如果你有寫入權限,可以在 UI 裡:

    • 新增節點

    • 新增關係

    • 修改 node/relationship 的屬性(例如 weight, note)

    • 刪除關係

  • 官方文件也明講:Bloom 可以「make edits directly to the underlying graph data」。


這正好符合你想要的:
「人類透過可視化介面手動調整關係距離」。


3. Neo4j 對「關係 / 權重」的特殊技術


你在意的是:


每一條邊有自己的強度、距離,而且不同人可以不同。


Neo4j 的 property graph 模型 + GDS(Graph Data Science)可以很好地支援。


3.1 Relationship Properties(關係屬性)


在 Neo4j 裡關係本身就是一個物件,可以有屬性,例如:

(:File {id: 'A'})-[:RELATED {
  baseWeight: 0.6,
  aliceWeight: 0.9,
  bobWeight: 0.2
}]->(:File {id: 'B'})

  • 這些屬性可以被:

    • Cypher 查詢使用(加權路徑、排序…)

    • Graph Data Science 演算法當作 edge weight(例如 pagerank, shortest path, community detection)。

    • Bloom 的 styling 規則拿來做樣式(線的粗細、顏色)。


也就是說:你調一個 weight,後端演算法、前端樣式都能一起用。


3.2 Weighted 分析:Shortest Path / GDS

  • Neo4j GDS 模組支援各種 weighted graph 演算法:

    • weighted shortest path

    • weighted pagerank

    • similarity、community detection 等等。


你可以:

  • 用使用者自己調整的 weight 當作「語意距離」

  • 用 GDS 算出「在某個人視角下,這幾個文件最接近哪些主題」


3.3 Bloom 的資料驅動樣式(用 weight 畫出距離感)

  • Bloom 的 legend / styling 支援 data-driven rules

    用 relationship 的某個屬性值,決定顏色、粗細、大小等。

  • 雖然 Bloom 不會真的改「幾 pixel 的空間距離」,但可以透過:

    • 粗細(強關係畫粗線)

    • 顏色(強關係畫亮色)

    • 透明度(弱關係淡一點)


再配合使用者手動拖曳位置,就可以表現出你說的「認知上的距離」。


4. 怎麼用 Neo4j + Bloom 實作你想要的東西?


4.1 資料建模(針對你的需求)


你要的場景大概長這樣:

  • Node 類型:

    • File(檔案)

    • Concept(概念 / 主題)

    • Person(使用者)

  • Relationship 類型:

    • (:File)-[:ABOUT]->(:Concept)

    • (:File)-[:RELATES_TO { baseWeight, userWeights… }]->(:File)

    • (:Person)-[:RATES { weight }]->(:RELATION)(如果想把評分拆開存)


常見兩種「每人不同權重」設計:


模式 A:在關係上直接加 per-user 權重欄位

(:File)-[r:RELATES_TO]->(:File)

r.baseWeight
r.user_alice
r.user_bob
...

  • 優點:簡單,Bloom 裡一次看的到全部欄位

  • 缺點:使用者多時,關係屬性會變很胖(很多欄位)


模式 B:用另外一種「評分關係」

(:User {id:'alice'})-[:RATES {
  weight: 0.9
}]->(:RelationshipWrapper {relId: 'A_B'})

或是更實務一點:

(:User {id:'alice'})-[:PERCEIVES {
  weight: 0.9
}]->(:ConceptPair {from:'A', to:'B'})

  • 優點:可以紀錄歷史、加時間戳、評論

  • 缺點:Bloom 的 UI 上會多一層 node,要設計好 Perspective 才好看。


4.2 在 Bloom 裡的使用者操作流程範例


假設用模式 A / B 之一,Bloom 可以這樣用:

  1. 使用者開啟「My Perspective」

    • 只顯示與自己相關的 weight 欄位(例如 weight_for_alice 或相關關係)

  2. 在圖上:

    • 點兩個檔案中間的 edge → 右邊屬性面板出現

    • 使用者直接修改 weight 滑桿(其實是數字欄位)

    • Bloom 把修改寫回 Neo4j

  3. Legend 裡設定:

    • weight >= 0.8 線變粗、變亮

    • weight < 0.3 線變細、變淡

  4. 之後要跑分析:

    • GDS 以使用者視角 weight 跑 shortest path 或相似度

    • Bloom 的 Scene action 用該 weight 做篩選/排名


這整個流程不需要自己寫前端,只要:

  • 定好 schema

  • 在 Bloom 裡配置 perspectives、legend、styling 規則

  • (選配)寫一些簡單 Cypher 當 Scene actions


5. 典型使用情境(跟你的 use case 的連結)


Neo4j 官方列出很多 knowledge graph 使用案例:包含搜尋、推薦、企業知識管理等。


針對你:


5.1 企業/個人 Knowledge Graph(文件 + 概念 + 人)

  • Node:檔案、專案、主題、作者、客戶…

  • Edge:引用、屬於同一專案、內容相似、相關主題…

  • Bloom 給一般使用者:

    • 當「視覺知識地圖」來逛

    • 點檔案看 metadata + 相關檔案

    • 手動加/改關聯、調整權重


5.2 「每個人自己的視角」知識圖

  • 每個人:

    • 用 Bloom 開自己的 Scene / Perspective

    • 手動把自己覺得「超相關」的連線權重調高

    • 或直接拉近節點位置

  • 系統可以:

    • 記錄 per-user 權重

    • 之後用來:

      • 做個人化推薦

      • 找出某個人對某個領域的 mental model


5.3 高維關係探索(找隱藏關聯)

  • 用 GDS 算出社群 / cluster

  • 在 Bloom 中直接把群聚顏色標出來

  • 用 shortest path 看「兩個看似無關的主題,其實被哪幾個檔案/人串起來」



Graph Commons knowledge graph

 以下是 Graph Commons 的完整介紹,包含:

  1. 什麼是 Graph Commons(定位、特色)

  2. 使用者介面特性(UI 特性)

  3. 資料關係的特殊技術 / 重點能力

  4. 典型使用情境(Use Cases)

  5. 與 Kumu 的比較(幫你快速理解差異)


我會用「你的需求」為角度——因為你正在找:

可以讓多人手動調整知識圖關係強度,並有可視化編輯介面的工具。


Graph Commons 是這類產品中最符合「社群型知識圖」定位的。


🟥 1. 什麼是 Graph Commons?


Graph Commons = 協作式知識圖平台(Collaborative Network Mapping Platform)
任何人都可以:

  • 建立節點(people, ideas, documents, etc)
  • 建立關係(關聯、引用、支持、衝突、影響)
  • 在一個互動式網路圖中共同編輯
  • 用屬性欄位加權(strength, score, confidence…)
  • 用視覺方式探索龐大的資訊結構


Graph Commons 的核心精神是:


✔ 讓人類使用者自己描述關聯,而不是 AI 做


✔ 每個 node/edge 都是一筆資料,可以有 metadata


✔ 同一張圖可以多人協作修改


✔ 視覺化非常流暢(force-directed, clustering, styling)


🟥 2. 使用者介面特性(UI)


Graph Commons 的 UI 特點:


🔹 2.1 互動式 Network Editor(拖曳式編輯器)


你可以直接在圖上做:

  • 加節點

  • 加連結

  • 刪除節點

  • 拖曳位置

  • 調整視野、縮放

  • highlight 某些類型的節點


介面是即時的,不需要寫程式。


🔹 2.2 Node / Edge 的詳細屬性面板(很重要)


點某個 node 或 edge 後,右側有一個資料面板,可編輯:


節點資料:

  • 名稱

  • 類型(Person / Organization / Concept / Document …)

  • 描述

  • 標籤(tags)

  • 自訂欄位(text, number, date)

  • 網址

  • 圖片


關係資料:

  • relationship type

  • weight / strength(你可以自訂欄位)

  • 描述 annotation

  • direction(雙向 or 單向)


這意味著:


你可以直接用 Graph Commons 做「可調整強度的知識圖」。


🔹 2.3 自動 Layout + 人工微調


Graph Commons 的 layout 是 force-directed graph:

會自動根據連線來決定位置。


但你可以手動:

  • 把某些節點拉近

  • 把某些節點放大 / 放遠

  • 用「pin」固定位置


Graph Commons 完全支援你想要的:


「用手拉動節點距離來表示個人認知關係」。


🔹 2.4 Powerful Filters & Highlight


你可以:

  • 只顯示特定類型節點

  • 只顯示與 A 直接相關的一圈鄰居

  • 用顏色顯示不同群組

  • 依 metadata(例如 weight)來排序、篩選或顏色分級


這對「資訊探索」很重要。


🔹 2.5 Map Versions(你的需求核心)


Graph Commons 有一個強大的特性:


同一張圖可以被 Fork 成不同版本

  • 每個人可以從主圖複製一份

  • 加自己的關聯、調整自己的距離

  • 完成後合併或保留自己的版本


這個機制非常適合你的需求:


「每個使用者對相同兩個概念,有不同的關係距離」。


Graph Commons 可以做到:


✔ 多人共享主版本

✔ 個人自行編輯版本

✔ 不同版本可以比較或合併


這是 Kumu 沒有的原生功能。


🟥 3. 資料關係的特殊技術(Graph Commons 的能力)


Graph Commons 虽然比不上完整的圖資料庫(像 Neo4j),

但它提供夠強的 metadata 與視覺引擎。


🔹 3.1 Relationship Weight(可自訂權重)


Graph Commons 支援:

  • 關係可以有數值欄位

  • 你可以命名為:strength, relevance, trust, similarity

  • 視覺上用顏色、粗細呈現

  • Layout engine 會根據你調整的位置更新 node-on-map(用戶視角)


這很適合:


「用手動調整邊的權重,代表認知距離」。


🔹 3.2 “Graph Commons Engine” 的 Network Computation


包含:

  • 自動計算中心性(centrality)

  • 社群群聚(community detection)

  • 路徑搜尋(shortest path)

  • 影響分析(influence score)


如果你想做:

  • 文件之間的相關區塊

  • 主題群聚

  • 找兩個概念之間的最短連結


Graph Commons 直接支援。


🔹 3.3 Schema-less(自由結構)資料模型


你不需要提前定義資料庫 schema。


節點與關係都可以臨時加入新欄位。


這很適合做探索性的知識圖。


🔹 3.4 Data Import / Export


支援:

  • Excel / Google Sheet 匯入

  • JSON

  • GraphML

  • CSV

  • API(若你要自動同步資料)


可讓你把文件清單、關鍵字、連結轉成圖。


🔹 3.5 Map Sharing / Embedding(像 Google Doc)


你可以分享:

  • 公開(Public)

  • 私有(Private)

  • 嵌入到網站(iframe embed)


這很像協作編輯平台,但基於網路圖。


🟥 4. 使用情境(Use Cases)


Graph Commons 的場景跟 Kumu 有部分重疊,但偏向:


✔ 4.1 知識圖(Knowledge Graph)


你可以把:

  • 所有檔案

  • 所有概念

  • 所有主題

  • 所有引用

  • 所有標籤


都變成 nodes。


關係:

  • A 引用 B

  • B 屬於主題 C

  • A 與 D 有高相似度(用 weight)

  • E 與 F 有衝突關係


這正是你想要解決的問題


✔ 4.2 個人認知圖 / 內隱知識建模(Personal Knowledge Map)


不同人可以:

  • Fork 一份主圖

  • 按自己的理解重新調整距離

  • 加注記

  • 用不同方式分類


這是你提過的:「每個人對關係距離的定義不同」。


Graph Commons 做這個很自然。


✔ 4.3 組織架構、社會網絡、專案結構


支援:

  • 人與組織

  • 團隊之間的互動

  • 專案的依賴關係


也能用關係權重表示:

  • 影響力

  • 重要性

  • 頻率

  • 強度


✔ 4.4 策略地圖 / 系統地圖(比 Kumu 弱一點,但能做)


雖然沒 Kumu 那麼強調 systems thinking(因果循環等),但:

  • 群聚

  • 邊的類型

  • 路徑分析


都很適合做策略藍圖。


✔ 4.5 內容地圖 / 媒體關係圖(特別擅長)


Graph Commons 更常被用於:

  • 調查性新聞

  • 媒體生態系

  • 企業關係 & 股權

  • 知識產權網絡

  • 組織資料視覺化


這類屬於「社會網絡分析」。


🟥 5. Graph Commons vs. Kumu(你的需求比較)

功能面

Graph Commons

Kumu

多人協作

⭐⭐⭐⭐⭐(原生、可 Fork 版本)

⭐⭐⭐⭐

個人化版本

⭐⭐⭐⭐⭐(Fork、分支、合併)

⭐⭐⭐(需複製計畫)

關係權重欄位

⭐⭐⭐⭐⭐(非常自然)

⭐⭐⭐⭐(可做、自訂欄位)

用戶可手動調整距離

⭐⭐⭐⭐⭐(用拖曳 + 欄位編輯)

⭐⭐⭐⭐⭐

知識管理

⭐⭐⭐⭐(適合 metadata 式)

⭐⭐⭐⭐(適合系統思考)

系統思考(CLD / Systems Map)

⭐⭐⭐(能做,但弱)

⭐⭐⭐⭐⭐(強項)

視覺客製化

⭐⭐⭐⭐(色彩/類型)

⭐⭐⭐⭐⭐(CSS-like)

學習曲線

⭐⭐⭐(族繁不雜,但容易)

⭐⭐⭐⭐(更進階)

用一句話比較:


Graph Commons = 社群型關係圖(多人 + Fork + 資料焦點)
Kumu = 系統思考視覺引擎(樣式 + 路徑 + layout 強)


🟥 結論:Graph Commons 非常適合你的需求


你說過:

  • 文件之間的關係:每人不同

  • 希望人類能手動調整距離

  • 要視覺化的編輯介面

  • 要能表達「自訂關係強度」

  • 希望多人可建立不同版本


Graph Commons 完全符合:


✔ node/edge metadata(你可建立 weight)

✔ 拖曳距離=直覺表現認知距離

✔ 每個人可以 fork map(個人視角)

✔ edge 權重可以反映在視覺樣式

✔ 圖可自由瀏覽 + 篩選 + highlight

✔ 沒有學習程式語言的需求



Kumu(kumu.io)

 以下是 Kumu(kumu.io) 的完整介紹,包含:

  1. 使用者介面特性(UI 特點)

  2. 資料關係的「特殊技術」與底層邏輯

  3. 典型使用情境(Use Cases)


我會用「容易理解、偏實務」的方式來講,因為 Kumu 雖然是 visual tool,但背後其實有一個完整的資料結構語言(Kumu DSL)。


🟦 1. Kumu 的使用者介面特性(UI 特性)


Kumu 的 UI 是專門為「複雜關係」設計的。

不像傳統的樹狀目錄或簡單 flowchart,它是面向網路圖(network graph / system map)的視覺編輯器


以下整理成幾大類:


🔹 1.1 Drag-and-drop 可視化網路圖(Network Map)


Kumu 的核心畫布上:

  • 每個 節點(element/node) 是一個圈或卡片

  • 每條 關係(connection/edge) 是一條線

  • 支援全程 滑鼠拖曳節點位置

  • 自動計算 layout(force-directed)或手動調整擺放


你可以:

  • 拖動節點靠近 → 強調關係

  • 分散一些不重要的節點

  • 放大某區、縮小某區


非常直覺,沒有技術門檻。


🔹 1.2 豐富的側邊欄(Properties Pane)


點一個節點,右側會出現可編輯的屬性:

  • 名稱 Title

  • 描述 Description

  • 類型(Type / Tag)

  • 自訂欄位(你可以加入任何 metadata)

  • 圖示、顏色、大小

  • 是否為 “Person”、“Organization”、“Concept” 等分類


這讓 Kumu 不只是畫圖,而是資料庫視覺操作工具


🔹 1.3 Edge / Connection 設定(很重要)


點一條線(關係)後,可設定:

  • 描述 / 註解

  • 方向(from → to 或雙向)

  • 強度 / 影響力(用自訂欄位表示 weight)

  • 線的粗細、顏色、虛線/實線

  • 分類(relationship type)


這一點對你非常重要,因為你想要:


人類使用者手動調整關係強度、距離、連結強弱。


Kumu 可以做到:

  • 用自訂欄位建立 strength = 0~10

  • 用 CSS 將線條視覺化,例如:

    stroke-width: strength;


🔹 1.4 Filter + Focus 技術(探索大型知識圖很重要)


Kumu 可以:

  • 隱藏所有不符合條件的節點

  • 只顯示某人、某分類、某主題的圖

  • Focus 模式:只看 A 的鄰居一圈或兩圈

  • 用 “Lens” 改變整張圖的視覺樣式(像 Photoshop 的濾鏡)


這讓你可以從「非常複雜的圖」中抽出層次、群組、局部脈絡。


🔹 1.5 CSS-like Styling(Kumu 最大的特色之一)


Kumu 有一套類似 CSS 的語法來控制整張圖:

  • 可以用條件設定樣式(Styling Rules)

  • 例如:type=person 的節點變成藍色方塊

  • weight 大於 5 的連線變粗、變紅

  • 自動幫不同群組上色


這是非常強大的特性,使得:


✔ 圖不是手工塗顏色,而是邏輯自動渲染


🔹 1.6 路線/旅程(Pathway Navigation)


你可以設計一個「引導式探索路線」:

  • Step 1:顯示某些節點

  • Step 2:展開某條關係

  • Step 3:自動 highlight 某個區域

  • Step 4:讓使用者點擊下一步繼續看圖


這對「教學知識圖」「專案架構說明」「策略地圖」非常好用。


🟦 2. 資料關係的特殊技術(Kumu 如何處理關聯)


Kumu 不是 AI 系統,而是視覺化 + metadata 網路分析引擎


但它有幾個強大的底層邏輯:


🔹 2.1 Graph Data Model(圖資料模型)


Kumu 背後的資料模型是:

  • Elements(節點)

  • Connections(邊)

  • Fields(自訂欄位)

  • Types & Tags(分類)


你可以把它當成輕量版 Neo4j,但是可視化為核心。


🔹 2.2 Relation Weight — 你想要的可調整距離


雖然 Kumu 不會自動根據 weight 計算 node 物理距離,

但你可以透過以下技術做出「距離」:


方法 A:用 CSS 做線粗細/透明度代表關係強弱


例如:

connection[weight > 5] {
  stroke-width: 4;
}
connection[weight < 2] {
  opacity: 0.2;
}

方法 B:用手動 layout 表達距離


使用者可以直接拖曳節點拉近或拉遠——

這在 Kumu 是非常自然的操作。


方法 C:用 force-simulation + weight hack(需要設定)


雖然 Kumu 不直接支援 weighted force layout,

但可以用「connection type」區分強弱,

再用 CSS 設定不同的 physical strength(某些視覺引擎支援)。


實務上,多數使用者就是:

  • 用數值 weight 表示關係強度

  • 用圖形風格表示強弱

  • 位置手動調整即可(這才是人類最直覺的方式)


🔹 2.3 Grouping / Clustering(群集)


Kumu 可以把節點標記為:

  • Group

  • Category

  • Theme

  • Concept

  • Person

  • Organization


然後:

  • 自動上色

  • 自動排列到某區域

  • 自動建立 cluster 邊框


這特別適合知識圖(Knowledge Map / Taxonomy Map)。


🔹 2.4 Lens(視覺轉換引擎)


Lens 可以把整張圖依照某種邏輯重新呈現:

  • 用某欄位排序

  • 依照關係方向做 tree view

  • 顯示某類型節點;隱藏其他

  • 用 weight 來改變視覺效果


Kumu 的 Lens 是它真正強大的原因,因為同一張資料可以有多個視覺版本


這跟你想要的「每個使用者自己調整的個人視角」很像。


🟦 3. Kumu 的典型使用情境(你需求的類型它很擅長)


✔ 3.1 系統思考 System Mapping


用來理解整個系統的因果關係:

  • 問題中不同因素之間的連動

  • Feedback loops

  • 因果循環圖(Causal Loop Diagram)


你的「資料之間的關係距離」與此非常接近。


✔ 3.2 關係地圖 Relationship Mapping


用來分析:

  • 人與人

  • 組織與組織

  • 專案與專案

  • 資源與資源


這種資訊如果放到你的 knowledge graph 就是:


「概念 A 與概念 B 的連動程度」


✔ 3.3 策略地圖 / 專案架構圖


Kumu 可以做:

  • 專案互相依賴

  • 目標 → 子目標 → 活動 → KPI

  • OKR / Roadmap 本質上也是 graph


✔ 3.4 知識地圖 / 檔案知識網絡


你的需求 = 這類使用情境的延伸版:

  • 每個文件是 node

  • 文件之間的邏輯關係是 edge

  • 人可以手動調整

  • 圖可視化

  • 每個人有不同版本

  • 可探索、可編輯


用 Kumu 做這個完全可行。


🟦 4. 為什麼 Kumu 特別適合你的需求?


你之前的需求是:

  • 每個檔案/概念是一個 node

  • 每個關係是一條 edge

  • 人類能手動調整關係強度

  • 每個人對同兩個 node 的「距離」定義不同


Kumu 的優勢:


✔ Node & Edge 非常容易編輯(UI 不需工程背景)

✔ Edge 可以加 weight, type, annotation 等 metadata

✔ 位置可手動拉近/拉遠 → 真正的「人類認知距離」

✔ 多個 Lens 可以做多人不同視圖

✔ CSS-like style 可以自動根據 weight 上色

✔ 不需要自己開發前端可視化引擎


如果你想要一個:


「沒有工程門檻的知識圖 UI」


Kumu 是現成工具中最好的一個。



Buy me a coffee