知識圖譜工具：哪一款適合你的筆記、資料或 AI

知識圖譜軟體涵蓋的產品差異很大：有將你的連結繪成圖譜的筆記應用程式、能跨數百萬筆關係查詢答案的資料庫、用於網路分析的桌面工具、將文件轉成圖譜的 AI 處理流程，以及為 AI 代理提供記憶的伺服器。因此，真正有用的問題不是哪個工具最好，而是你需要完成什麼工作。以下依用途分類整理 18 款工具，並在同一天查核各工具的授權、免費選項、價格，以及是否需要寫程式。接著提供五個選擇工具時該問的問題，以及三種用自己的資料試用工具的方法。

知識圖譜工具能做的五件事

知識圖譜將事物儲存為節點，並以邊表示事物之間具名的關係，讓人與軟體都能循著連結探索，而不必在文字中搜尋。我們的指南提供了可點選互動的小型圖譜。不同工具各自負責不同的工作環節：

1. 將筆記化為圖譜。 看見你在筆記、頁面與想法之間已建立的連結：哪些位居核心，哪些彼此孤立。Obsidian、Logseq、Anytype、InfraNodus、Kumu，以及適用於 Notion 的 IVGraph。參閱筆記工具。
2. 儲存與查詢。 將記錄載入資料庫，提出需要跨越多重連結才能回答的問題，例如「哪些客戶購買了使用這家供應商零件製造的產品？」Neo4j、Memgraph、FalkorDB、GraphDB、Amazon Neptune。參閱圖形資料庫。
3. 視覺化與分析。 將既有網絡展開呈現，找出群集與樞紐，衡量哪些節點位居中心。Gephi、Cytoscape、yEd、Neo4j Bloom。參閱視覺化工具。
4. 用 AI 從文字建立圖譜。 讓語言模型從文件中擷取實體與關係。Neo4j LLM Knowledge Graph Builder、Microsoft GraphRAG、LightRAG。參閱AI 圖譜建立工具。
5. 為代理程式保存記憶。 為 AI 代理程式提供圖譜，讓它儲存事實，並在之後的工作階段中讀取這些事實。MCP 記憶伺服器、Graphiti、mem0。參閱代理程式記憶。

兩者的功能有重疊：Neo4j 儲存圖譜，並提供視覺化探索工具；LightRAG 則從文字建立圖譜，讓你瀏覽。請依最主要的需求選擇。

知識圖譜工具一覽

整體來說：筆記工具費用低，也不需要寫程式。資料庫和 AI 管線通常可免費下載，但需要撰寫查詢或 Python 程式，且須支付代管和模型呼叫費用。

開源知識圖譜工具

這些專案採用經開放原始碼促進會（Open Source Initiative）核准的授權條款：

• 筆記： Logseq（AGPL-3.0）。
• 資料庫： Neo4j Community Edition（GPLv3）與 ArcadeDB（Apache 2.0），後者是支援 SQL、Cypher 和 Gremlin 查詢的多模型資料庫。
• 視覺化： Gephi 和 Gephi Lite（GPL-3.0）、Cytoscape（LGPL-2.1），以及供開發者使用的 Cytoscape.js 和 sigma.js（MIT）。
• AI 建構工具： Neo4j LLM Knowledge Graph Builder（Apache 2.0）、Microsoft GraphRAG 和 LightRAG（MIT）。
• 代理程式記憶： Graphiti（Apache 2.0）與 MCP 記憶伺服器，後者的專案正將程式碼授權從 MIT 改為 Apache 2.0。

Memgraph 和 FalkorDB 自稱開源，但採用的是 Business Source License 1.1 和 Server Side Public License，而 Anytype 則採用自家的 Any Source Available License。你可以閱讀及執行程式碼；但在以這些程式碼打造商業服務之前，請先詳閱授權條款。另外還要提醒：Kùzu 是一款嵌入式圖形資料庫，一些較舊的清單仍在推薦它，但它已於 2025 年 10 月 10 日封存，Graphiti 現在也將其 Kùzu 驅動程式標示為已棄用。請勿再用它開發新專案。

適合做筆記的個人知識圖譜工具

個人知識圖譜是由你自己的筆記、人物、專案、參考來源、想法等資料，透過你建立的連結串接而成。對大多數人來說，只要原本使用的筆記應用程式能以圖譜呈現這些連結，就是適合自己的知識圖譜應用程式。各應用程式的主要差異，在於什麼算是連結。

Obsidian 圖譜檢視

Obsidian 將筆記以 Markdown 檔案儲存在本機資料夾中，並內建圖譜檢視：每則筆記都是一個節點，每個內部連結都是一條連線。全域圖譜會顯示整個 vault（儲存庫）。區域圖譜則顯示目前閱讀的筆記周圍有哪些筆記，並可透過滑桿調整深度。群組可依據 path:Projects 或 tag:#book 等搜尋條件，為筆記標示不同顏色。應用程式可免費使用，包括工作用途；Sync 採年繳制，每位使用者每月 US$4。我們的Obsidian 圖譜檢視指南會逐一說明所有設定。它適合獨自使用本機檔案寫作的人。

Logseq

Logseq 是一款以每日日誌為核心的免費開源大綱筆記軟體（AGPL-3.0）。它的圖譜呈現頁面之間的連結，而非區塊之間的連結：如果一則日誌提到兩個頁面，這兩個頁面都會連到當天的日誌，而不會彼此相連。Logseq 2.0 改以資料庫儲存筆記，而非 Markdown 檔案，目前處於測試階段；2.0.2 版於 2026 年 10 月 7 日發布。若想了解這一類的其他應用程式，請參閱 Obsidian 替代方案。

Anytype

Anytype 將資料儲存在你的裝置上，並將所有內容視為具有類型的物件，例如筆記、任務和人物。在其圖譜中，每個物件都是一個節點，連線則來自文字中的連結、指向其他物件的屬性，以及反向連結；你可以依物件類型篩選。程式碼依 Any Source Available License 授權條款公開。免費方案包含 100 MB 的遠端儲存空間，可用於同步；Plus 每月 US$4。與 Notion 的比較：Anytype 與 Notion 比較。

InfraNodus

InfraNodus 直接從文字本身建立圖譜，而非依據你建立的連結：在文字中一起出現的概念會彼此連結。接著，它會呈現主題群集、串連這些群集的概念，以及群集之間的缺口，並由 AI 提出可能填補缺口的研究問題。它支援文字、檔案與網路來源，可作為 Obsidian 外掛（InfraNodus AI Graph View）使用，也能透過 MCP 伺服器供代理程式使用。免費方案包含 3 個圖譜；付費方案採年繳，每月 €12 起，提供 14 天試用。它能幫你看清筆記的主題，以及其中遺漏的內容。

Kumu

Kumu 是一款用來製作關係圖的網頁應用程式，可手動繪製或從試算表匯入，再透過視覺樣式、篩選與分群，讓圖表更易讀。公開專案免費；私人專案每個月收費 US$9。比起私人筆記，它更適合用來製作與他人分享的關係圖。

Notion 專用的 IVGraph

Notion 沒有內建的圖譜檢視，我們打造 IVGraph 正是為了補足這個缺口。這是我們自家的產品，評估這張介紹卡時，請將這點納入考量。使用 Notion 登入並授予唯讀存取權後，IVGraph 就會將工作空間繪製成互動式 3D 圖譜：頁面和資料庫是節點，提及、反向連結、資料庫關聯和上層頁面則是連線。你可以在 3D、球體、放射狀和平面檢視之間切換，搜尋頁面並依資料庫分組顯示結果，透過 PageRank 依重要性排序頁面，找出沒有任何連結指向的頁面，還能使用樣式規則為頁面設定顏色、調整大小或隱藏頁面。Pro 和 Max 方案提供唯讀的供 AI 代理使用的 API，讓 Claude 或你自己的指令碼搜尋工作空間、讀取頁面，並循著連結瀏覽。

這款應用程式僅支援 Notion；如果你使用 Obsidian vault（儲存庫），我們另有免費的 Obsidian Graph Online 工具，可在瀏覽器中繪製圖譜。IVGraph 不支援匯入 CSV 或 RDF，也不是資料庫或查詢語言。Free 方案最多支援 500 個節點；Plus 方案每月 US$5，支援 3,000 個節點；Pro 方案每月 US$10，支援 10,000 個節點並提供 API，也可以用 US$1.99 試用 Pro 一週。想了解 Notion 本身提供哪些功能，請參閱〈Notion 有圖譜檢視嗎？〉。

圖形資料庫：儲存與查詢知識圖譜

當你不只需要查看資料，還需要追問「哪些項目依賴這項服務？」或「哪些客戶透過共用裝置，與被標記的帳戶有所連結？」時，知識圖譜資料庫就能發揮價值。你將資料建模為節點與關係，載入後，再使用 Cypher 或 SPARQL 等語言進行查詢。這裡的每個選項都需要由熟悉查詢或程式碼的人操作。

Neo4j

Neo4j 儲存的是屬性圖，並使用 Cypher 進行查詢；Neo4j 表示，Cypher 符合 GQL 標準。Community Edition 採用 GPLv3 授權開放原始碼，可免費在自己的伺服器上執行。雲端方面，AuraDB Free 不需要提供付款方式，但有節點和關係數量限制；AuraDB Professional 每 GB 小時的費用為 US$0.09 起，最低容量為 1 GB，使用 1 GB 執行個體一個月約需 US$66。下文介紹的 Bloom 和 LLM Knowledge Graph Builder 也都出自 Neo4j。

Memgraph

Memgraph 將圖譜儲存在記憶體中，並寫入磁碟以確保資料持久保存，也支援 Cypher。免費的社群版已包含資料複寫、向量搜尋、Kafka、Pulsar 和 Redpanda 的串流連接器，以及 MAGE 圖譜演算法程式庫。程式碼採用 Business Source License 1.1 授權，Memgraph Lab 則是其視覺化介面。企業版依記憶體大小報價。適合處理以串流方式傳入且必須立即查詢的資料。

FalkorDB

FalkorDB 以 Redis 為基礎，使用 GraphBLAS 函式庫將圖譜儲存為稀疏矩陣，並透過 openCypher 查詢。它主要針對 GraphRAG 與代理程式的記憶應用：提供自家的 GraphRAG SDK，也是 Graphiti 支援的資料庫之一。只要一道 Docker 指令，就能在你的電腦上啟動資料庫，並透過瀏覽器介面操作。程式碼採用 Server Side Public License 授權。雲端服務提供免費方案，付費方案則從 1 GB、每月 US$73 起。

GraphDB

GraphDB 是一套 RDF 資料庫：資料以主詞–謂詞–受詞三元組儲存，透過 SPARQL 查詢，並可運用 RDFS 及 OWL 2 RL 與 QL 規則集，根據本體推論出新的事實。GraphDB 由 Ontotext 開發；2024 年，Ontotext 與 Semantic Web Company 合併為 Graphwise，目前由 Graphwise 銷售。GraphDB Free 使用單一 CPU 核心執行，自版本 11 起，必須使用以電子郵件寄送的免費授權金鑰。企業版須洽詢報價。

Amazon Neptune 與 Stardog

Amazon Neptune 是 AWS 上的受管圖形資料庫，支援 Gremlin、openCypher 和 SPARQL，可儲存屬性圖或 RDF 資料。新使用者可免費試用小型執行個體 30 天，之後按使用量付費，適合已使用 AWS 的團隊。Stardog 是以 RDF 為基礎的企業級平台，提供 Stardog Free：允許商業使用，但並非開放原始碼，每年需續約，且不提供高可用性或備份功能。

屬性圖還是 RDF？

屬性圖（Neo4j、Memgraph、FalkorDB）儲存節點與關係，兩者都具有屬性。你會根據自己想解答的問題設計模型，因此適合用於應用程式和 GraphRAG 後端。RDF（GraphDB、Stardog）儲存帶有全域識別碼的三元組，讓不同來源的資料與共用詞彙更容易整合，並透過本體讓資料庫推論出你未記錄的事實。想打造應用程式或 AI 後端？從屬性圖開始。想串聯跨團隊或跨組織的資料，或發布連結資料？可以考慮 RDF。我們的指南會說明三元組、結構描述與本體。

知識圖譜視覺化：探索與分析圖譜

視覺化工具能將你現有的圖譜（以檔案、記錄連結的試算表或資料庫形式儲存）呈現出來，幫助你看清其中的結構：群集、樞紐，以及連接不同群組的節點。有些工具也能量測圖譜。品質不佳的資料，即使整理成井然有序的圖像，仍然是品質不佳的資料。

Gephi 與 Gephi Lite

Gephi 是一款免費、開放原始碼（GPL）的桌面應用程式，用於網路視覺化分析。它提供社群偵測、中心性與分群演算法、ForceAtlas2 等圖形配置方式，以及可編輯資料的試算表檢視，並支援匯出為 PNG、PDF 和 SVG。2026 年 5 月發布的 0.11 版大幅提升了效能；0.11.3 則於 2026 年 9 月 6 日推出。Gephi Lite 是較輕量的網頁版：以 sigma.js 函式庫打造，直接在瀏覽器中執行，無須安裝。

Cytoscape

Cytoscape 是一款採用 LGPL 授權的開放原始碼 Java 桌面應用程式，用於網路分析。它於 2003 年推出，最初是用來分析生物分子交互作用網路的工具；如今，其應用程式已涵蓋生物資訊學、社會網路分析與語意網等領域。3.10.5 版本於 2026 年 9 月 29 日發布。同系列的 Cytoscape.js（MIT 授權）則是可將圖譜整合至網頁應用程式的程式庫。

yEd

yEd 是 yWorks 推出的免費桌面版圖表編輯器，商業用途也可免費使用，但並非開源軟體。它的強項是自動排版：從 Excel 試算表或 XML 匯入節點與邊線後，即使是大型圖表，也能透過排版演算法自動排列。目前版本為 3.25.1，yEd Live 則可在瀏覽器中執行。適合用來製作清晰整齊的圖表，而非進行分析。

Neo4j Bloom

如果你的圖譜儲存在 Neo4j，Bloom 能讓不寫 Cypher 的人也能探索圖譜：用接近自然語言的詞句搜尋、展開相鄰節點，以及查看和編輯紀錄。Bloom 是 Aura 主控台的一部分，Neo4j 在主控台中列明 AuraDB Free 可存取所有圖譜工具；Bloom 也有獨立應用程式版本。

適用於大型圖譜與調查工作的商用工具

• Graphistry 利用 GPU 繪製超大型圖譜，並可透過 PyGraphistry 在 Python 筆記本中使用。Graphistry Hub 提供免費方案；Professional 方案按年計費時每月 US$83，按月計費則為每月 US$100。
• Cambridge Intelligence 的 KeyLines 和 ReGraph 是商用 JavaScript 與 React SDK，可將圖譜視覺化功能整合至自家產品；如需試用，可提出申請。
• Linkurious Enterprise 以圖形資料庫為基礎，為調查團隊提供搜尋、免寫程式的查詢建構工具與協作功能。雲端版提供 30 天試用，之後每位使用者每月 €490。

給開發者：圖譜視覺化函式庫

若要在自己的應用程式中嵌入圖譜，請使用程式庫，而非應用程式：

• Cytoscape.js（MIT）：在同一套函式庫中整合圖論與視覺化功能，並提供多種版面配置擴充套件。
• sigma.js（MIT）：透過 WebGL 渲染包含數千個節點與邊的圖譜，目前版本為 4。
• D3（ISC）：提供包含力學模擬在內的底層基礎元件，用於繪製完全自訂的圖形。
• 3d-force-graph（MIT）：以 Three.js 和 WebGL 打造的 3D 力導向圖譜。IVGraph 的 3D 檢視就是以此為基礎建構。

用 AI 將文字轉為知識圖譜

知識圖譜建構工具會讀取文件，並請語言模型擷取人物、產品、概念等實體，以及實體之間的關係。結果會儲存為圖譜，供你查詢或提供給聊天機器人使用。請將輸出結果視為草稿：模型會將名稱相同但實際不同的事物合併、遺漏關係，也會用不同名稱描述同一種關係。在採信結果之前，請先抽樣進行人工檢查。想了解圖譜檢索在什麼情況下優於一般向量搜尋，請參閱我們的 GraphRAG 解說。

Neo4j LLM 知識圖譜建構工具

LLM Knowledge Graph Builder 能讓你快速用自己的檔案試試這個概念。這是 Neo4j Labs 推出的線上應用程式：連接 Neo4j 資料庫，加入 PDF、文件、網頁或 YouTube 逐字稿，再選擇模型，就能建立兩個資料層。其中一層儲存切分成區塊的文件與嵌入向量；另一層則儲存實體及其關係，並各自連結回來源區塊。接著，你就能針對結果進行對話，並在 Bloom 中開啟。Neo4j 指出，這項工具處理英文長文的效果最好，處理試算表、圖片和投影片的效果則較差；自行定義節點與關係類型，也能提升效果。程式碼採用 Apache 2.0 授權，0.8.7 版本於 2026 年 7 月推出，並可透過 Docker Compose 在本機執行。

Microsoft GraphRAG

Microsoft GraphRAG（MIT 授權；版本 3.3.0，發布於 2026 年 10 月 8 日）是一套 Python 處理流程，可擷取實體與關係，將它們劃分為社群並撰寫摘要，因此既能回答整個資料集合的相關問題，也能回答特定實體的相關問題。其 README 提醒，建立索引的費用可能很高，並建議針對你的資料調整提示詞。README 也說明，這份程式碼僅供示範，並非 Microsoft 官方支援的產品。先從少量樣本開始，並留意模型使用費用。

LightRAG

LightRAG（MIT 授權；版本 1.5.7，發布於 2026 年 9 月 2 日）是一項在 EMNLP 2025 發表的研究專案，可根據你的文件建立圖譜索引，供檢索使用。它內建伺服器與網頁介面，可用來新增文件、提問及瀏覽圖譜，並可將資料儲存在 Neo4j、PostgreSQL、MongoDB 或 OpenSearch。如果你想要內建操作介面、開箱即用的 GraphRAG，就選它。

Graphify 是程式碼圖譜，不是 Notion 工具。 如果你是想找 Notion 圖譜而搜尋 Graphify 替代方案，2026 年這個名稱的搜尋結果其實是在介紹 Graphify，這是一款供 Claude Code、Cursor、Codex 和 Gemini CLI 使用的開源（Apache 2.0）技能。它能將程式碼庫及其文件、SQL 結構描述與 PDF 轉換成知識圖譜，供程式開發代理查詢。

AI 代理的圖譜記憶

AI 代理程式在不同工作階段之間會忘記所有內容，除非有機制儲存它學到的資訊。圖譜記憶會將這些資訊儲存為實體及其關係，讓代理程式能查詢某個人，再沿著連結找到這個人的專案與決策，不必重新閱讀過往的對話。三種選項就能涵蓋大多數設定情境。我們的 Claude Code 記憶指南說明了各選項如何搭配 CLAUDE.md 使用。

MCP 記憶伺服器

Model Context Protocol 專案的記憶伺服器（@modelcontextprotocol/server-memory，2026 年 10 月 19 日發布的 2.0.0 版）會將小型知識圖譜儲存在本機檔案中：實體包含名稱、類型與觀察紀錄，有方向性的關聯則以主動語態命名，例如 works_at。Claude 或其他任何 MCP 用戶端都能透過九個工具讀寫圖譜，從 create_entities 到 search_nodes。搜尋比對的是字詞，而非語意。它免費、在你的電腦上執行，而且比起團隊使用，更適合供個人的助理使用。

Graphiti

Graphiti（Apache 2.0；版本 0.31.2，發布於 2026 年 10 月 20 日）會建立時態圖譜：每項事實都有有效期間，因此當情況改變時，舊事實會被標記為失效，而非刪除，讓你能查詢任一時間點有哪些事實成立。每項事實都會連回其來源訊息、文件或紀錄。它需要圖形資料庫（Neo4j、FalkorDB 或 Amazon Neptune），以及支援結構化輸出的模型；預設使用 OpenAI。程式碼儲存庫內含可供參考的 MCP 伺服器實作，其 README 提醒，該伺服器沒有身分驗證機制，因此請勿將它暴露於不受信任的網路。Graphiti 背後的公司 Zep 則以此為基礎，販售代管式企業服務。

mem0

mem0（Apache 2.0）是供代理使用的記憶層：從對話中擷取簡短記憶，之後再檢索相關記憶。它的圖譜記憶會透過記憶中提到的人物、地點和概念，將記憶相互連結；這項功能在代管的 Mem0 Platform 上運作，並在價格頁面中列在客製方案下。免費方案在前 30 天提供每月 10,000 次新增和 1,000 次檢索，之後使用自己的模型金鑰，則提供每月 50,000 次新增和 10,000 次檢索。

如果代理所需的知識已經存放在 Notion，你可能根本不需要另外建立記憶。IVGraph 的 Pro 和 Max 方案提供唯讀 API，讓代理能搜尋工作空間、以 Markdown 格式讀取頁面，並沿著頁面中的連結瀏覽。

用五個問題幫你做選擇

每個回答都對應到上方的一個章節。

1. 你的資料是什麼？ 自己寫的筆記：選擇具備圖譜功能的筆記軟體（筆記）。蒐集來的文件：選擇 AI 建構工具（AI）。來自試算表或系統的紀錄：選擇圖形資料庫（資料庫）。
2. 想用看的，還是用問的？ 想找出群集、樞紐和孤立節點，需要筆記軟體或視覺化工具。想問「誰和誰相連，又是透過什麼連結？」，則需要資料庫和查詢語言。
3. 個人使用，還是團隊協作？ 個人：Obsidian、Logseq、Anytype 或 Gephi。團隊：用 Kumu 共用圖譜，或使用 AuraDB、Neptune 等託管資料庫，再搭配 Bloom 或 Linkurious。
4. 放在雲端，還是自己的電腦？ 在自己的電腦上：Obsidian、Logseq、Anytype、Gephi、Cytoscape、yEd、Neo4j Community Edition、在 Docker 中執行的 FalkorDB，以及 MCP 記憶伺服器。在雲端：InfraNodus、Kumu、IVGraph、AuraDB、Neptune 和 Mem0 Platform。任何會將文字傳送給模型供應商的工具，也都會將你的資料傳送過去。
5. 你願意寫程式嗎？ 不願意：筆記軟體、InfraNodus、Kumu、IVGraph、Gephi、yEd 和 LLM Knowledge Graph Builder。願意寫一點：MCP 記憶伺服器和 LightRAG。願意：資料庫、GraphRAG 和 Graphiti。

經過這些問題的篩選，通常會剩下兩到三款工具。用一小批真實資料來測試這些工具，例如一個專案或五十份文件，再留下能更快回答你實際問題的那一款。

10 分鐘內，用自己的資料體驗知識圖譜

三種簡短流程，各對應一種資料類型。三種都能免費開始使用。

Obsidian 中的筆記

1. 開啟你的 vault（儲存庫），然後點選側邊工具列中的 Open graph view（開啟圖譜檢視），或從命令面板執行 Graph view: Open graph view（圖譜檢視：開啟圖譜檢視）。
2. 開啟一篇你熟悉的筆記，執行 Open local graph（開啟局部圖譜），並將深度設為 2。
3. 在圖譜設定中開啟 Orphans（孤立筆記），看看那些孤立的筆記。每一篇都代表一個你從未建立的連結。

IVGraph 中的 Notion 工作空間

1. 在 ivgraph.com 點選「使用 Notion 登入」，並在 Notion 的視窗中授權存取。
2. 等待首次同步完成。小型工作空間約需兩分鐘。
3. 開啟圖譜，搜尋專案以查看所有與其連結的內容，再試試球體版面配置。

Neo4j 中的文件

1. 在 console.neo4j.io 建立 AuraDB Free 執行個體，並下載其憑證檔案。不需要提供付款方式。
2. 開啟 LLM Knowledge Graph Builder，將憑證檔案拖放到連線對話框中。
3. 新增兩三份 PDF 或一個網頁連結，選擇模型並產生圖譜。接著在對話中提問，查看回答使用了哪些文字片段。

無論你選擇哪條路，都用一個你真正想解答的問題來檢驗成果。如果圖譜比搜尋更快幫你找到答案，就繼續用下去。如果沒有，問題通常在於資料中缺少連結，而不是工具本身。

常見問題