Brainfreeze：构建可追溯来源的LLM驱动知识图谱系统

Brainfreeze是一款Obsidian插件，旨在解决传统个人知识管理（PKM）工具的来源遗忘问题及LLM辅助知识整理的信任危机。通过来源追溯、推理DAG漂移检测和健康评分机制，帮助用户构建可验证、可审计的本地知识库，实现AI辅助与人类判断的平衡。

在信息爆炸时代，传统PKM工具（如Obsidian、Notion）面临来源遗忘问题；LLM虽能自动提取信息，但"黑盒"特性导致内容准确性与推理过程不可追溯。Brainfreeze正是为解决这些问题而生，提供知识溯源与验证的完整方法论。

1. 来源追溯：为事实标注提取型（[^e]）、推理型（[^i]）、模糊型（[^a]）标签，推理型需标注父来源形成链条；2. 推理DAG与漂移检测：构建推理图，计算深度（超2层警告、超3层报错），检测孤儿推理；3. 健康评分：综合平均推理深度、超深页面占比等指标，0-100分反映知识库健康度，触发重建信号。

1. 文件导入：计算哈希去重，调用LLM生成带来源标签的草稿；2. 人工审核：草稿存于.drafts/，审核面板支持来源检查、逐条/批量批准；3. 图谱构建：合并草稿，更新链接与索引，重新计算健康评分，形成互联知识网络。所有数据本地存储，保护隐私。

1. 双层搜索索引：结构化索引（YAML元数据）+全文索引（FlexSearch），兼顾精确与模糊查询；2. 结构性Linter：12项本地检查（断链、孤立页面等），零API成本；3. 重建操作：归档备份后重新摄取原始文件，生成全新Wiki页面，纠正系统性偏差。

适用于学术研究（论文提取与引用关系建立）、技术文档管理（决策可追溯）、个人学习（知识点整理与体系重构）、新闻舆情分析（事件脉络追踪与矛盾识别）等场景。

核心价值观包括：人机协作（AI辅助提取，人类负责判断）、可验证性优先（每个声明可追溯来源）、本地优先（数据本地存储）、渐进式改进（健康指标支持持续优化）。

Brainfreeze帮助用户在享受LLM效率的同时，保持对知识的掌控与验证能力。对Obsidian用户而言，它不仅是插件，更是记录来源、标注推理、定期审计的知识管理思维方式，助力AI时代保持清醒头脑。