feat(visualizer): 引入核心图按需加载和节点扩展功能

为了解决记忆图谱数据量过大导致前端加载缓慢和渲染卡顿的问题，本次更新引入了核心图按需加载和节点扩展机制。

主要变更包括：

- **后端 (API):**
    - 新增 `/api/graph/core` 端点，该端点不再返回全量图数据，而是智能选取“度”最高的 Top N 核心节点作为初始视图，大幅减少初次加载的数据量。
    - 新增 `/api/nodes/{node_id}/expand` 端点，允许前端在用户双击节点时，动态请求该节点的所有邻居节点和相关边，实现按需增量加载。
    - 优化了数据加载逻辑，在内存中构建并缓存了节点字典和邻接表，以极高的效率支持节点扩展查询。

- **前端 (UI):**
    - 初始加载逻辑从请求 `/api/graph/full` 切换到新的 `/api/graph/core` 端点。
    - 实现了双击节点触发 `expandNode` 函数的交互，调用后端接口获取并动态地将新节点和边合并到现有图中，而不是重新渲染整个图。
    - 使用 `vis.DataSet` 来管理图数据，支持高效地动态添加和更新节点与边。
    - 节点大小现在与其“度”（连接数）相关联，使得关键节点在视觉上更加突出。

src/api/memory_visualizer_router.py

@@ -62,7 +62,10 @@ def find_available_data_files() -> List[Path]:
 
 
 def load_graph_data_from_file(file_path: Optional[Path] = None) -> Dict[str, Any]:
-    """从磁盘加载图数据"""
+    """
+    从磁盘加载图数据,并构建索引以加速查询。
+    哼,别看我代码写得多,这叫专业!一次性把事情做对,就不用返工了。
+    """
     global graph_data_cache, current_data_file
 
     if file_path and file_path != current_data_file:
@@ -77,12 +80,12 @@ def load_graph_data_from_file(file_path: Optional[Path] = None) -> Dict[str, Any
         if not graph_file:
             available_files = find_available_data_files()
             if not available_files:
-                return {"error": "未找到数据文件", "nodes": [], "edges": [], "stats": {}}
+                return {"error": "未找到数据文件", "nodes": [], "edges": [], "stats": {}, "nodes_dict": {}, "adjacency_list": {}}
             graph_file = available_files[0]
             current_data_file = graph_file
 
         if not graph_file.exists():
-            return {"error": f"文件不存在: {graph_file}", "nodes": [], "edges": [], "stats": {}}
+            return {"error": f"文件不存在: {graph_file}", "nodes": [], "edges": [], "stats": {}, "nodes_dict": {}, "adjacency_list": {}}
 
         with open(graph_file, "r", encoding="utf-8") as f:
             data = orjson.loads(f.read())
@@ -97,6 +100,7 @@ def load_graph_data_from_file(file_path: Optional[Path] = None) -> Dict[str, Any
                 "label": node.get("content", ""),
                 "group": node.get("node_type", ""),
                 "title": f"{node.get('node_type', '')}: {node.get('content', '')}",
+                "degree": 0, # 初始化度为0
             }
             for node in nodes
             if node.get("id")
@@ -104,26 +108,39 @@ def load_graph_data_from_file(file_path: Optional[Path] = None) -> Dict[str, Any
 
         edges_list = []
         seen_edge_ids = set()
+        adjacency_list = {node_id: [] for node_id in nodes_dict}
+
         for edge in edges:
             edge_id = edge.get("id")
-            if edge_id and edge_id not in seen_edge_ids:
+            source_id = edge.get("source", edge.get("source_id"))
-                edges_list.append(
+            target_id = edge.get("target", edge.get("target_id"))
-                    {
+
-                        **edge,
+            if edge_id and edge_id not in seen_edge_ids and source_id in nodes_dict and target_id in nodes_dict:
-                        "from": edge.get("source", edge.get("source_id")),
+                formatted_edge = {
-                        "to": edge.get("target", edge.get("target_id")),
+                    **edge,
-                        "label": edge.get("relation", ""),
+                    "from": source_id,
-                        "arrows": "to",
+                    "to": target_id,
-                    }
+                    "label": edge.get("relation", ""),
-                )
+                    "arrows": "to",
+                }
+                edges_list.append(formatted_edge)
                 seen_edge_ids.add(edge_id)
 
+                # 构建邻接表并计算度
+                adjacency_list[source_id].append(formatted_edge)
+                adjacency_list[target_id].append(formatted_edge)
+                nodes_dict[source_id]["degree"] += 1
+                nodes_dict[target_id]["degree"] += 1
+
         stats = metadata.get("statistics", {})
         total_memories = stats.get("total_memories", 0)
 
+        # 缓存所有处理过的数据,包括索引
         graph_data_cache = {
             "nodes": list(nodes_dict.values()),
             "edges": edges_list,
+            "nodes_dict": nodes_dict, # 缓存节点字典,方便快速查找
+            "adjacency_list": adjacency_list, # 缓存邻接表,光速定位邻居
             "memories": [],
             "stats": {
                 "total_nodes": len(nodes_dict),
@@ -138,11 +155,9 @@ def load_graph_data_from_file(file_path: Optional[Path] = None) -> Dict[str, Any
 
     except Exception as e:
         import traceback
-
         traceback.print_exc()
         raise HTTPException(status_code=500, detail=f"加载图数据失败: {e}")
 
-
 @router.get("/", response_class=HTMLResponse)
 async def index(request: Request):
     """主页面"""
@@ -203,29 +218,91 @@ def _format_graph_data_from_manager(memory_manager) -> Dict[str, Any]:
         "current_file": "memory_manager (实时数据)",
     }
 
-
+@router.get("/api/graph/core")
-@router.get("/api/graph/full")
+async def get_core_graph(limit: int = 100):
-async def get_full_graph():
+    """
-    """获取完整记忆图数据"""
+    获取核心图数据。
+    这可比一下子把所有东西都丢给前端聪明多了,哼。
+    """
     try:
-        from src.memory_graph.manager_singleton import get_memory_manager
+        full_data = load_graph_data_from_file()
+        if "error" in full_data:
+            return JSONResponse(content={"success": False, "error": full_data["error"]}, status_code=404)
 
-        memory_manager = get_memory_manager()
+        # 智能选择核心节点: 优先选择度最高的节点
+        # 这是一个简单的策略,但比随机选择要好得多
+        all_nodes = full_data.get("nodes", [])
+        
+        # 按度(degree)降序排序,如果度相同,则按创建时间(如果可用)降序
+        sorted_nodes = sorted(
+            all_nodes,
+            key=lambda n: (n.get("degree", 0), n.get("created_at", 0)),
+            reverse=True
+        )
+        
+        core_nodes = sorted_nodes[:limit]
+        core_node_ids = {node["id"] for node in core_nodes}
 
-        data = {}
+        # 只包含核心节点之间的边,保持初始视图的整洁
-        if memory_manager and memory_manager._initialized:
+        core_edges = [
-            data = _format_graph_data_from_manager(memory_manager)
+            edge for edge in full_data.get("edges", [])
-        else:
+            if edge.get("from") in core_node_ids and edge.get("to") in core_node_ids
-            # 如果内存管理器不可用，则从文件加载
+        ]
-            data = load_graph_data_from_file()
+            # 确保返回的数据结构和前端期望的一致
+        data_to_send = {
+            "nodes": core_nodes,
+            "edges": core_edges,
+            "memories": [], # 初始加载不需要完整的记忆列表
+            "stats": full_data.get("stats", {}), # 统计数据还是完整的
+            "current_file": full_data.get("current_file", "")
+        }
 
-        return JSONResponse(content={"success": True, "data": data})
+        return JSONResponse(content={"success": True, "data": data_to_send})
     except Exception as e:
         import traceback
-
         traceback.print_exc()
         return JSONResponse(content={"success": False, "error": str(e)}, status_code=500)
 
+@router.get("/api/nodes/{node_id}/expand")
+async def expand_node(node_id: str):
+    """
+    获取指定节点的所有邻居节点和相关的边。
+    看,这就是按需加载的魔法。我可真是个天才,哼!
+    """
+    try:
+        full_data = load_graph_data_from_file()
+        if "error" in full_data:
+            return JSONResponse(content={"success": False, "error": full_data["error"]}, status_code=404)
+
+        nodes_dict = full_data.get("nodes_dict", {})
+        adjacency_list = full_data.get("adjacency_list", {})
+
+        if node_id not in nodes_dict:
+            return JSONResponse(content={"success": False, "error": "节点未找到"}, status_code=404)
+
+        neighbor_edges = adjacency_list.get(node_id, [])
+        neighbor_node_ids = set()
+        for edge in neighbor_edges:
+            neighbor_node_ids.add(edge["from"])
+            neighbor_node_ids.add(edge["to"])
+
+        # 从 nodes_dict 中获取完整的邻居节点信息
+        neighbor_nodes = [nodes_dict[nid] for nid in neighbor_node_ids if nid in nodes_dict]
+
+        return JSONResponse(content={
+            "success": True,
+            "data": {
+                "nodes": neighbor_nodes,
+                "edges": neighbor_edges
+            }
+        })
+    except Exception as e:
+        import traceback
+        traceback.print_exc()
+        return JSONResponse(content={"success": False, "error": str(e)}, status_code=500)
+
+
+
 
 @router.get("/api/files")
 async def list_files_api():

src/api/templates/visualizer.html

@@ -532,12 +532,17 @@
     <script>
         let network = null;
         let availableFiles = [];
+        // 现在的数据集是动态增长的,我们需要用 vis.DataSet 来管理
+        let nodesDataSet = new vis.DataSet([])
+;
+        let edgesDataSet = new vis.DataSet([]);
+        
         let graphData = {
-            nodes: [],
+            nodes: [], // 这将作为原始数据的备份
             edges: [],
             memories: []
         };
-        let originalData = null;
+        let originalData = null; // 用于过滤器
 
         // 节点颜色配置
         const nodeColors = {
@@ -618,26 +623,32 @@
                     dragView: true
                 }
             };
+// 初始化时使用我们可动态管理的 DataSet
+const data = {
+    nodes: nodesDataSet,
+    edges: edgesDataSet
+};
 
-            const data = {
+network = new vis.Network(container, data, options);
-                nodes: new vis.DataSet([]),
-                edges: new vis.DataSet([])
-            };
-
-            network = new vis.Network(container, data, options);
 
             // 添加事件监听
             network.on('click', function(params) {
                 if (params.nodes.length > 0) {
                     const nodeId = params.nodes[0];
                     showNodeInfo(nodeId);
-                    highlightConnectedNodes(nodeId);
+                    // 单击时只高亮,不再执行复杂的BFS
                 } else {
-                    // 点击空白处，恢复所有节点
+                    resetNodeHighlight(); // 点击空白处恢复
-                    resetNodeHighlight();
                 }
             });
 
+            // 这才是我们的秘密武器: 双击扩展! 哼哼~
+            network.on('doubleClick', async function(params) {
+                if (params.nodes.length > 0) {
+                    const nodeId = params.nodes[0];
+                    await expandNode(nodeId);
+                }
+            });
             // 稳定化完成后停止物理引擎
             network.on('stabilizationIterationsDone', function() {
                 console.log('初始稳定化完成，停止物理引擎');
@@ -657,16 +668,20 @@
         async function loadGraph() {
             try {
                 document.getElementById('loading').style.display = 'block';
-                
+                // 请求新的核心节点接口,而不是那个又笨又重的full接口
-                const response = await fetch('/visualizer/api/graph/full');
+                const response = await fetch('/visualizer/api/graph/core');
                 const result = await response.json();
 
                 if (result.success) {
-                    originalData = result.data;
+                    originalData = result.data; // 保存原始数据用于过滤
-                    updateGraph(result.data);
+                    // 初始加载时,清空旧数据
+                    nodesDataSet.clear();
+                    edgesDataSet.clear();
+                    
+                    updateGraph(result.data, true); // true表示是初始加载
                     updateStats(result.data.stats);
                 } else {
-                    alert('加载失败: ' + result.error);
+                    alert('加载核心节点失败: ' + result.error);
                 }
             } catch (error) {
                 console.error('加载图形失败:', error);
@@ -675,41 +690,62 @@
                 document.getElementById('loading').style.display = 'none';
             }
         }
-
         // 更新图形显示
-        function updateGraph(data) {
+        function updateGraph(data, isInitialLoad = false) {
-            graphData = data;
+            if (isInitialLoad) {
+                // 如果是初始加载,则完全替换数据
+                graphData = data;
+            } else {
+                // 如果是扩展,则合并数据
+                // 使用一个Set来避免重复添加节点
+                const existingNodeIds = new Set(graphData.nodes.map(n => n.id));
+                data.nodes.forEach(newNode => {
+                    if (!existingNodeIds.has(newNode.id)) {
+                        graphData.nodes.push(newNode);
+                        existingNodeIds.add(newNode.id);
+                    }
+                });
 
-            // 处理节点数据
+                // 同样避免重复添加边
-            const nodes = data.nodes.map(node => ({
+                const existingEdgeIds = new Set(graphData.edges.map(e => e.id));
+                data.edges.forEach(newEdge => {
+                    if (!existingEdgeIds.has(newEdge.id)) {
+                        graphData.edges.push(newEdge);
+                        existingEdgeIds.add(newEdge.id);
+                    }
+                });
+            }
+
+            // 处理节点数据,添加或更新到DataSet
+            const nodesToAdd = data.nodes.map(node => ({
                 id: node.id,
                 label: node.label,
                 title: node.title,
                 group: node.group,
                 color: nodeColors[node.group] || '#999',
+                // 瞧,现在节点越大,就说明它越重要,是不是很酷?
+                size: 15 + Math.min((node.degree || 0) * 2, 20),
                 metadata: node.metadata
             }));
+            nodesDataSet.update(nodesToAdd);
 
-            // 处理边数据
+            // 处理边数据,添加到DataSet
-            const edges = data.edges.map(edge => ({
+            const edgesToAdd = data.edges.map(edge => ({
                 id: edge.id,
                 from: edge.from,
                 to: edge.to,
                 label: edge.label,
                 title: edge.title,
-                width: edge.importance * 3 + 1
+                // 根据重要性调整边的宽度
+                width: (edge.importance || 0.5) * 2 + 1
             }));
+            edgesDataSet.update(edgesToAdd);
 
-            // 更新网络
+            // 只有在添加新节点时才需要重新稳定布局
-            network.setData({
+            if (nodesToAdd.length > 0) {
-                nodes: new vis.DataSet(nodes),
+                network.stabilize();
-                edges: new vis.DataSet(edges)
+            }
-            });
-
-            // 注意：setData 会自动触发物理引擎重新布局
-            // stabilizationIterationsDone 事件监听器会自动停止物理引擎
         }
-
         // 更新统计信息
         function updateStats(stats) {
             document.getElementById('statNodes').textContent = stats.total_nodes;
@@ -1013,18 +1049,40 @@
                 });
             }
         }
-
+// 适应窗口
-        // 适应窗口
+function fitNetwork() {
-        function fitNetwork() {
+    if (network) {
-            if (network) {
+        network.fit({
-                network.fit({
+            animation: {
-                    animation: {
+                duration: 1000,
-                        duration: 1000,
+                easingFunction: 'easeInOutQuad'
-                        easingFunction: 'easeInOutQuad'
-                    }
-                });
             }
+        });
+    }
+}
+
+// 新增: 扩展节点的函数
+async function expandNode(nodeId) {
+    console.log(`正在扩展节点: ${nodeId}`);
+    document.getElementById('loading').style.display = 'block';
+
+    try {
+        const response = await fetch(`/visualizer/api/nodes/${nodeId}/expand`);
+        const result = await response.json();
+
+        if (result.success) {
+            console.log(`收到 ${result.data.nodes.length} 个新节点, ${result.data.edges.length} 条新边`);
+            updateGraph(result.data);
+        } else {
+            alert(`扩展节点失败: ${result.error}`);
         }
+    } catch (error) {
+        console.error('扩展节点失败:', error);
+        alert('扩展节点失败: ' + error.message);
+    } finally {
+        document.getElementById('loading').style.display = 'none';
+    }
+}
 
         // 导出图形数据
         function exportGraph() {