Jsonld Knowledge Graph

JSON-LD Knowledge Graph

graph.jsonld を llms.txt の隣に置いて、project の concept-level architecture を schema.org JSON-LD triples として encode する skill。LLM が prose だけでは引き出しにくい entity 間の関係（matrix / hierarchy / phase-binding）を triple として citation 可能にする。

When to Use

以下を すべて 満たす project に適用する:

• 安定した concept-level 構造を持つ
  • 例: matrix（4 Quadrants × N ADRs）、ordered hierarchy（prohibition-strength 3 levels）、phase-skill binding（6:6 bijective）、layered architecture（3 memory layers）
• 構造が release を跨いで安定（vX.Y.Z bump で entity が増減しない）
• LLM に当該関係を訊いた時に prose だけでは答が出にくい / 誤答する 経験的証拠がある
• すでに llms.txt + llms-full.txt（Answer.AI 標準）を持っている

When NOT to Use

以下のいずれかに該当する場合は 適用しない:

• 単一目的の linear project（matrix / hierarchy 構造がない）
• 内部構造が release ごとに churn する（graph が編集負債になる）
• llms-full.txt の prose Q&A で関係問題が既に十分答えられる
• 「LLM citation 向上を狙いたい」だけで具体的な entity 関係問題がない（GEO 目的なら llms-txt-writer の方が direct）

graph.jsonld は prose の代替ではなく 補完。prose で表現しきれない構造があるとき、その構造をやっと拾える。

file-level 構造との関係（正本）

graph.jsonld は concept 層だけ を保存する。file-level 構造（「X はどのファイルに住むか」「誰が誰を呼ぶか」）は保存せず、問いのたびにコードから導出する:

graph にコードのノード（file path・module・LOC）を置かない。置くと第 2 の module map になり、ソース commit ごとに同期コストを払う鏡が育つ（contemplative-agent ADR-0102: 手書き module map 6 枚がソース 197 commit に対し 159 commit の同期を要し、読者は観測されなかった）。設計理由は ADR、パイプラインの段構成はそれを走らせる script の冒頭コメントが持つ。

Drift 防止のための運用規約

• 新規 ADR / Concept / Quadrant 等を追加 → graph.jsonld にノード追加（@id は GitHub blob URL）
• ファイルパスが変わった → graph.jsonld の @id が blob URL ならそこだけ追従。他に更新する文書は無い
• 概念の semantics が変わった → graph.jsonld の description 更新

context-sync skill（Maintain phase 担当）がこの drift を audit する。詳細は ~/.claude/skills/context-sync/SKILL.md 参照。

Required Design Moves

実装で観察された 9 つの再利用可能な move。すべて適用が default、外す場合は理由を明示する。

1. Dual @type on every node

{
  "@id": "...",
  "@type": ["ResearchLine", "ScholarlyArticle"]
}

custom namespace type（domain semantics を持つ）+ schema.org base type（AI search engine が citation target として認識）。両方つけることで、schema.org に親しい crawler も custom vocab に親しい LLM も同じノードを認識できる。

2. Language-tagged literals for bilingual

"alternateName": [
  {"@value": "Four Business AI Quadrants", "@language": "en"},
  {"@value": "ビジネスAIの四象限", "@language": "ja"}
]

1 file で en/ja 両対応。graph.ja.jsonld を別ファイルにするのは禁止（同期負債が発生する）。Concept DOI / repo URL / @id は言語中立なので二重管理不要。

3. Schema absence で禁止関係を構造的に強制

「X と Y は 絶対に dependency 関係ではない」を保証したい場合、dependsOn のような edge type を そもそも @context に定義しない。schema の vocabulary 自体が構造的 commitment になり、表現できない関係は表現されない。

例: 3 つの sibling research line が独立進化することを強制するため、共通 vocab には dependsOn edge type を そもそも定義しない。代わりに siblingOf（symmetric）と derivesFrom（historical / 一方向、ある line が別 line から実装的に派生した事実を encode する場合のみ使う）の 2 種類だけを定義する。

4. Cross-graph @id reuse で triple merge

複数の graph.jsonld ファイルが存在する場合（hub-and-spoke topology）、共有 entity の @id は byte-identical にする。例:

• 3 つの memory layers が 2 つの sibling line repo の graph に登場
• 両方とも @id: "https://<owner>.github.io/<owner>/vocab#memory-layer/episode-log" を使う（owner namespace は project ごとに置換）
• LLM がふたつの graph を crawl すると triple が自動 merge され、「同じ概念」として認識される

これは JSON-LD 1.1 の標準動作。pyld など conformant processor で実装可能。

5. Volatile state を schema レベルで除外

graph.jsonld に 以下の field を持たせない:

• version 番号 (version, versionNumber, vX.Y.Z)
• count（ADR 数、test 数、ノード数）
• 流動的 enumeration（churning skill list, dynamic capability list）

schema に存在しない field は entity に乗らないので、routine release が graph に漏れない。grep -E '"version"|"count"|v[0-9]+\.[0-9]+' graph.jsonld が常に空を返すことを CI で検証可能。

6. Matrix encoding via paired edges

A × B matrix を encode する場合、片方向の edge だけでは不十分。2 つの complementary edge を使う:

• appliesTo (ADR → Quadrant): 各 ADR が適用される Quadrant 群
• realizedBy (ProhibitionLevel → ADR): 各 prohibition tier が実現される ADR

silence is signal: 「Quadrant 1, 2 (Script, Algorithmic Search) は AAP 適用外」は appliesTo edge の 不在 で表現する。governanceTier: "out-of-scope" プロパティで明示的にも stamp する。

7. Root Dataset node で graph self-description

@graph array の先頭に schema.org Dataset 型のルートノードを置く:

{
  "@id": "https://github.com/owner/repo#knowledge-graph",
  "@type": ["Dataset", "CreativeWork"],
  "name": "Project Knowledge Graph",
  "description": "...",
  "isBasedOn": "https://github.com/owner/repo",
  "mainEntity": [<primary entity @ids>]
}

schema.org Dataset は Google AI Overviews / Perplexity が structured data として認識する。graph の 目的と entry points を crawler に明示する役割。

8. Reading-order block で AI 入口導線を明示

llms.txt 冒頭に Graph-first reading order block を置く。詳細手順は llms-txt-writer skill 参照。要点:

• タイトル直下に > AI agents should read graph.jsonld first blockquote
• 直後に numbered "Recommended reading order" section
• Core documentation navigator の最上位に graph.jsonld

9. Reverse-link で hub-and-spoke 経路双方向化

hub-and-spoke topology の場合、各 line repo の README に hub graph への逆リンクを置く:

For the canonical relationship map of <ecosystem>'s research ecosystem, see:
https://github.com/<owner>/<hub>/blob/main/graph.jsonld

LLM が個別 line repo から入ってきた場合でも hub graph へ戻れる。1 段目の探索後に broader context へ広げる経路。

散文リンクだけでは不十分 — README 逆リンクは人間/プレーンテキスト向け。グラフ層でも各 spoke の self-node に機械可読な上向き edge を張る:

// 各 line / supporting repo の self-node (ResearchLine or Dataset) に:
"isPartOf": "https://github.com/<owner>/<hub>"   // hub の canonical @id (bare-repo URL に統一)

• hub→spoke は mainEntity / siblingOf、spoke→hub は isPartOf で双方向化 (isPartOf の厳密な逆は hasPart だが、独立 triple として有効)
• target @id は 全 repo で同一の canonical hub node に揃える (bare-repo github.com/<owner>/<hub> 推奨)。揃わないと merge 時に hub が複数ノードに割れて join 不能
• isPartOf は context に {"@id":"https://schema.org/isPartOf","@type":"@id"} を宣言 (無いと「IRI 文字列の literal 化」と同じく literal になる)。context を触れない content graph では inline {"@id":"..."} で node 参照を強制
• self-node を持たない content-only graph (Article 列挙のみ等) には最小 Dataset self-node を1個新設し、そこに isPartOf を張る
• 監査: 新 repo 追加時、全 spoke の self-node が isPartOf→hub を持つか確認。実地では下向き (hub→spoke) だけ張られ、上向きが大半の spoke で抜けていた

Schema Vocabulary 設計

新規 type / edge を導入する判断基準:

新規 node type を作る条件

• closed / bounded set: 「4 axioms」「3 memory layers」のように member が limited で stable
• ordering invariant が必要: ProhibitionLevel のように level integer で順序を保つ必要がある
• distinct semantics: Axiom は swappable preset の 1 instance、Concept は free-form term — 同じ Concept 扱いだと意味が混ざる

これに当てはまらない場合は、既存の Concept instance として encode する（4 code-LLM patterns のように、4 件しかなく新規 type 化に値しない場合）。

新規 edge type を作る条件

• 既存 edge では semantic が違う: extends (EcosystemRepo → ResearchLine) と appliesTo (ADR → Quadrant) は別の関係。reuse すると混乱
• matrix の片側を成す: appliesTo + realizedBy のように、matrix encoding に必須

新規 edge は schema.org base vocabulary に該当があれば優先する（url, identifier, citation, isBasedOn, mainEntity 等）。custom vocab に追加するのは schema.org base で表現できない時のみ。

@id namespace 設計

• ResearchLine: 既存 DOI URL を使う（https://doi.org/10.5281/zenodo.NNNN、concept DOI 必須、latest DOI は使わない）
• EcosystemRepo: GitHub repo URL（https://github.com/owner/repo）
• Concept: custom vocab namespace（https://<owner>.github.io/<owner>/vocab#concept/<slug> 等）
• ADR: GitHub blob URL（https://github.com/owner/repo/blob/main/docs/adr/NNNN-slug.md）

namespace は dereferenceable である必要なし（典型的な "private vocab" pattern）。重要なのは byte-identical re-use が cross-graph で実現できること。

Cross-graph @id Discipline

hub-and-spoke topology で複数 graph を持つ場合の規約:

1. Hub graph に登場する entity の @id を canonical とする
2. 各 line graph で同じ entity を参照する時は、copy-paste で @id を再利用（手入力しない、typo 防止）
3. 新規 entity を追加する時は hub graph 側にまず登録してから line graph で参照
4. @id を変更する場合は、すべての graph を同時に更新（cross-graph grep で漏れ確認）

verification:

# Hub graph の primary entity @id を抽出
jq -r '.["@graph"][] | select(.["@type"][] | contains("ResearchLine")) | .["@id"]' hub/graph.jsonld

# 各 line graph でも同じ @id が登場することを確認
grep -h "doi.org/10.5281/zenodo" */graph.jsonld | sort -u

Bilingual Strategy

JSON-LD 1.1 の language-tagged literal を使い、1 file で en/ja を保持:

{
  "alternateName": [
    {"@value": "Agent Knowledge Cycle", "@language": "en"},
    {"@value": "エージェント知識サイクル", "@language": "ja"}
  ]
}

やってはいけないこと

• graph.ja.jsonld を別ファイルにする → 同期負債発生
• 一部の literal だけ多言語化する → 一貫性が崩れて LLM 解釈に揺れ
• @language を省略する → デフォルト言語が不明、crawler の解釈が undefined

やるべきこと

• ResearchLine name と alternateName は必ず両言語
• Concept / Axiom / Quadrant など concept-level node は alternateName で両言語
• description は en 単独でもよい（prose は llms-full.txt が正本、graph は entity 識別が主目的）
• ADR title は en 単独でよい（GitHub の英語 prose が正本）

Companion File Wiring

graph.jsonld を作っただけでは crawler に見つからない。llms.txt / llms-full.txt / README に wiring が必要:

詳細な wording は ~/.claude/skills/llms-txt-writer/SKILL.md の Companion JSON-LD Graph セクション参照。

Verification Workflow

graph.jsonld を作成・編集したら以下を実行:

# 1. JSON 構文
python3 -m json.tool < graph.jsonld > /dev/null

# 2. JSON-LD expansion + N-Quads triple count
uvx --quiet --from pyld python3 -c "
from pyld import jsonld
import json
doc = json.load(open('graph.jsonld'))
expanded = jsonld.expand(doc)
nquads = jsonld.to_rdf(doc, {'format': 'application/n-quads'})
lines = [l for l in nquads.strip().split(chr(10)) if l]
print(f'{len(expanded)} nodes / {len(lines)} triples')
"

# 3. Volatile state 検出（empty が期待値）
grep -E '"version"|"versionNumber"|"adrCount"|"testCount"|v[0-9]+\.[0-9]+' graph.jsonld

# 4. Reading-order presence in llms.txt
head -30 llms.txt | grep -c "Recommended reading order\|graph.jsonld"

# 5. Concept DOI 整合（latest ではなく concept DOI が @id に使われている）
# (manual: 各 ResearchLine @id を Zenodo で開いて parent record であることを確認)

Context pitfalls — edge が静かに消える 2 パターン

production graph 6 本の監査 (2026-06) で実際に発生した。いずれも JSON は valid のまま、 triple count も変わらないため、上記 step 1-2 では検出できない:

1. IRI 文字列の literal 化: @vocab があっても、context で @type: "@id" 強制の ない property（schema.org の author / creator 等）に IRI を文字列で渡すと literal になり、node への edge にならない。Person node が graph に居ても誰からも参照されない。
   • 対策: IRI 参照は常に {"@id": "https://..."} オブジェクト形式で書く
2. 未定義 key の無言ドロップ: @vocab なしの明示マッピング型 context では、context に 無い key（sameAs 等）が expansion で警告なく消える。
   • 対策: graph に新しい property を導入する前に context マッピングの存在を確認する

検出は同梱の lint script が決定論的に行う（上記 step 1-3 の機械チェックも包含するので、編集後はこれ 1 コマンドでよい）:

# 6. graph lint — JSON validity / expansion / DROPPED-KEY / URL-LITERAL / VOLATILE を一括検査
#    exit 0 = clean, 1 = findings, 2 = fatal。複数ファイル可
uv run --with pyld python3 ~/.claude/skills/jsonld-knowledge-graph/scripts/graph_lint.py graph.jsonld

# locator 系 property（url / license / contentUrl）は literal URL を許容。変更する場合:
#   --allow-literal-url url,license,contentUrl,codeRepository

# 複数 graph を渡すと cross-file の NAME-DRIFT も検査する
# （同一 IRI に複数の異なる en name → 検出は構造的・決定論的。どれを正とするかの
#   解決だけが judgment なので、lint は報告のみ。表記揺れの正解は alternateName に置く）
uv run --with pyld python3 ~/.claude/skills/jsonld-knowledge-graph/scripts/graph_lint.py hub/graph.jsonld line1/graph.jsonld line2/graph.jsonld
#   --skip-name-drift で省略可

修正の定石: 値の書き換えではなく @context への coercion 追加 で直す（"sameAs": {"@id": "https://schema.org/sameAs", "@type": "@id"} を足せば既存の文字列値がそのまま IRI として解釈される。diff が context の数行で済む）。

なぜ自作 lint か（external research, 2026-06）

標準ツールを調査した上での Build 判定。再調査不要:

• pySHACL (RDFLib): 活発に維持されている W3C 標準の RDF 検証器。ただし展開後の RDF graph に対して動くため、DROPPED-KEY は原理的に検出できない（落ちた key は SHACL が見る前に消えている）。URL-LITERAL は sh:nodeKind sh:IRI で書けるが、predicate ごとの shapes ファイル維持が必要
• jsonld-lint (Mattr): un-mapped term 検出（= DROPPED-KEY）を持つ唯一の専用 linter だったが 2025-09-26 に owner がアーカイブ。採用不可
• jsonld.js の safe mode: 展開時に未定義 term をエラー化できるが JS 専用。Python 側の pyld に相当機能なし

つまり最も危険な DROPPED-KEY が標準ツールの死角にあり、VOLATILE はプロジェクト固有ポリシーなので、薄い自作 lint が正当。

pySHACL への移行条件: 「すべての ResearchLine ノードは author と sameAs を持つ」のようなクラス単位の必須制約を宣言的に強制したくなった時点で、URL-LITERAL 検査を shapes.ttl + pyshacl に置き換え、DROPPED-KEY / VOLATILE のみ graph_lint.py に残す構成に移行する。

Manual checks

• JSON-LD playground: https://json-ld.org/playground/ に paste して @context が解決し triple として展開されることを確認
• schema.org validator: https://validator.schema.org/ で Dataset / ScholarlyArticle 等の type が認識されることを確認
• LLM citation probe: graph push 後 1-2 週間（crawler refresh 待ち）、ChatGPT / Perplexity に「 の X と Y はどう関係しますか？graph.jsonld を参照してください」と質問し、graph が citation されるか確認

Mirror Sync to Hugging Face Datasets

graph.jsonld を更新したら、Hugging Face Datasets 上の mirror にも同期する。HF は LLM training pipeline / knowledge-graph crawler の primary ingest source として機能する（HF dataset は Auto-converted to Parquet が走り、pandas / Polars / Datasets ライブラリから直接 load 可能になる）。

正本は hf-sync skill にある。/hf-sync <Owner/dataset> または bash ~/.claude/skills/hf-sync/sync.sh <Owner/dataset> を project root で実行すれば、graph.jsonld の structural check → graph.jsonl flatten → hf upload 2 ファイルが 1 コマンドで走る。Local の token を使うので CI auth setup は不要。

前提条件・repo mapping・token scope の扱いは hf-sync に再掲しない（正本の改名時にコピーだけ取り残された前例あり — hf login → hf auth login）。

release-doi skill の Phase 4 末尾（tag push + gh release create の後）で呼ぶのが標準フロー。ad-hoc resync にも同じ skill を使う。

graph の sameAs は self-sovereign または earned な解決先のみ（ORCID / DOI / 自アカウントの platform profile / 無関係な第三者が作成した record）。Wikidata QID は張らない（authorship-strategy ADR-0021 — host governance による一括削除の実測）。dead QID を検出したら purge する。

HF 側の README.md (dataset card) は graph 更新では同期しない。Dataset card は HF 用に customize されている（sibling dataset への link、mirror notice 等）ので、文面を変えたい場合は手動で hf upload <Owner/dataset> README.md --repo-type dataset。

Maintenance Contract

graph.jsonld を 編集する trigger:

• ecosystem repo の追加 / 退役 → EcosystemRepo ノード add/remove
• 新しい stable structural concept の登場 → Concept / Axiom / Quadrant ノード add + 関連 edges
• 新 research line の開始 → ResearchLine ノード + siblingOf edges
• Concept DOI 自体が移動（稀、Zenodo record restructuring 時のみ）

graph.jsonld を 編集してはいけない trigger（routine release では触らない）:

• 任意 module の vX.Y.Z release
• ADR count, skill count, test count, version bump
• 内部 module の restructuring（file-level は保存していないので触る文書が無い。blob URL の @id だけ追従）
• model version bump（qwen3.5:9b から qwen4:9b 等）

schema に version / count / churning field を持たせていない限り、これらは graph に そもそも encode できない ので構造的に強制される。

Reference Implementation

このパターンの canonical implementation pointer（具体 repo URL / DOI / vocab namespace）は本 skill 本文に含めず、同一ディレクトリの inspiration.md に記録する（portability 確保）。pattern を新しい project に適用する場合、以下の構造目安が参考になる:

• Hub-and-spoke 構成: 1 つの hub graph が sibling line graph 群を siblingOf で繋ぐ
• Hub graph 規模目安: 3-5 ResearchLine + 10-20 EcosystemRepo + 5-10 Concept + 3-5 ExternalReference
• Per-line graph 規模目安: 1 ResearchLine + line 内部構造（matrix / hierarchy / phase-binding）を 20-40 nodes で encode
• 共通 vocab: 全 graph が同じ namespace を使い、shared @id で triple merge を実現

単一 repo（hub なし）でも matrix / hierarchy 構造があれば適用可能。その場合 hub-related の sibling/derivesFrom 系 edge は不要。

What This Skill Does NOT Do

• llms.txt / llms-full.txt の文章設計 — use llms-txt-writer
• Project doc role の overlap 検出 / 整理 — use context-sync
• file-level の module map の生成 — 作らない（LSP tool / grimp で都度導出。上の「file-level 構造との関係」）
• Articles / blog post の文体 設計 — use writing-ecosystem（~/MyAI_Lab/zenn-content 常駐）

Related

• llms-txt-writer — llms.txt / llms-full.txt 本体の書き方、navigator 設計、GEO/AEO 最適化
• context-sync — graph.jsonld と prose docs の drift audit（Maintain phase）