K3 を活用したコンテキストグラフエンジニアリング：300 個のエージェントを 1 つの接続されたナレッジベースへ

300 件の回答の山は、知識ではない。Kimi Agent Swarm はエージェントを並列実行するだけではない。見つけた結果を、実際に使えるひとつの接続されたグラフに結びつける。

300 のエージェントがノードに。 1 つの接続されたグラフ。 5 つのライブデータフィード

誰もがより多くのエージェントを実行することに躍起になっている。しかし、エージェントが見つけた結果がどうなるかを問う人はほとんどいない。

リサーチ課題に向けて 300 のエージェントを起動すれば、結果はすぐに返ってくる。しかしデフォルトでは、300 の独立した回答が 300 の独立したボックスに入って届く。それは山であって、知識ベースではない。価値は個々の発見にあったのではない。それらがどう結びつくかにあったのだ。そして、結びつきこそ、山が捨ててしまうものなのである。

人間のアナリストが実際にどう働くかを考えてみよう。彼らは単に事実を集めるだけではない。2 つの企業が同じサプライヤーを共有していること、ひとつの規制がセクター全体に影響すること、市場の半分が単一のベンダーに支えられていることに気づく。集めることは簡単な部分だ。結びつけることがコストのかかる部分であり、洞察を生むのもその部分である。

Kimi Agent Swarm を他と一線を画すものにしているのは、このひそかな特徴だ。並列エージェントに仕事を展開するだけではない。その出力を、単一の接続された構造、つまりコンテキストグラフに結びつける。そこではすべてのソースがノードであり、すべての関係がエッジである。300 の回答ではなく、自身の構成要素がどう関連するかを把握しているひとつの知識ベースが得られる。

スウォームは筋肉だ。コンテキストグラフは、その筋肉をクエリ可能で、拡張可能で、信頼できるものに変える。

山が失敗する理由

エッジのないノードは単なるリストにすぎない

100 社にわたるリサーチ業務を想像してほしい。フラットなスウォームは 100 件のレポートを渡す。どの 3 社がサプライヤーを共有しているか、どの 2 社が同じ規制にさらされているか、どの 1 社がひっそりと別の企業に依存しているかを知るには、100 件すべてを読み、頭の中で関連性を保持する必要がある。あなたが本当に欲しかった仕事、すなわち関係性こそ、ツールが飛ばしてしまった仕事なのだ。

そして規模が大きくなると、状況は良くなるどころか悪化する。10 のソースなら手で結びつけられる。しかし 100 では無理だ。100 ノード間に考えられる関係の数は数千に及ぶ。まさにその時点で人間は諦め、フラットなレポートは誰も完全には読まない文書になる。構造のないエージェントの増加は、理解すべきことが増えるのではなく、ふるい分けるべきことが増えることを意味する。

コンテキストグラフはそれを逆転させる。2 つのエージェントが同じエンティティ（サプライヤー、市場、提出書類）に触れた瞬間、Kimi はそれらの間にエッジを描く。関係性は手で再構築するものではなくなり、成果物そのものの一部になる。クラスター、ハブ、隠れた依存関係が可視化される。グラフがそれらを構造的なものにしたからだ。

アイデア

Kimi の言うコンテキストグラフとは

2 つの部分があり、Kimi は両方を同じランで生成する。

ノードはエージェントが見つけたもの

スウォームエージェントがリサーチする各エンティティはノードになる。企業、ソース、メトリクス、ドキュメント。1 つのエージェント、世界の 1 つの断片、グラフの 1 つのノード。

エッジはそれらの関係性

2 つのノードがソース、市場、依存関係、引用を共有するとき、Kimi はそれらを接続する。エッジは関係性を保持するため、リンクは単に暗示されるだけでなく、クエリ可能になる。

フラットなレポートはノードを与え、エッジを捨てる。だからレポートは読み終わった瞬間に死んでいる。Kimi が構築するコンテキストグラフはエッジを保持する。それによって、元のプロンプトでは言及されなかった質問を投げかけることができるのだ。

メカニズム

スウォームがグラフを構築する方法

ここで並列処理とグラフ構造が出会い、Kimi の設計が真価を発揮する。最大 300 のエージェントが同時に実行されるため、グラフは一度に 1 ノードずつ成長するのではない。ほぼすべてが一度に具現化され、その後、自動的に結びついていく。

順序は重要だ。シーケンシャルなツールはノード 1、次にノード 2 を構築し、それからリンクを探す、という繰り返しになる。これは遅く、グラフを最初に見たものに偏らせる。Kimi はエッジを描き始める前にノードセット全体を並列で展開するため、部分的なものではなく全体像にわたって接続が見つかる。返ってきた最初の数件ではなく、300 件すべての発見を反映したグラフが得られる。

1 回の起動

100 社、ひとつの接続されたグラフ

ここでは、全体を 1 つのプロンプトに収めている。グラフを明示的に要求しているわけではないことに注目してほしい。Kimi にリサーチと接続を依頼している。グラフは、Kimi が回答を構造化する方法なのだ。

1swarm_launch.md
2Kimi Agent Swarm
3# 1 回の起動、100 ノード、ライブエッジ
4
5TASK: EV 市場をマッピングする。1 社につき 1 エージェント。
6SOURCES: Yahoo Finance、World Bank、IMF、リアルタイム株価。
7
8CONNECT: サプライヤー、指数、または規制エクスポージャーを
9  共有する 2 社をリンクする。
10
11# Kimi は 100 のエージェントを展開し、共有エンティティを
12# ひとつのコンテキストグラフに結びつける。

40 分後、あなたが読むべき 100 件のレポートができあがっているわけではない。接続されたマップが手に入る。バッテリーサプライヤーを共有する 3 社は、ひと目でわかるクラスターに収まっている。他のすべてが依存している 1 社は、最も多くのエッジを持つハブとして現れる。そのどれもプロンプトにはなかった。Kimi が接続を捨てずに保持したため、グラフがそれを浮かび上がらせたのだ。

グラフに問いかける

プロンプトが言及しなかった質問

フラットなレポートは、あなたが尋ねた質問に正確に答えるだけで、それ以外には答えない。Kimi が構築するコンテキストグラフは、思いつかなかった質問にも答える。答えがすでにエッジにエンコードされているからだ。リサーチを再実行する必要はない。すでに存在する構造を読むのだ。

どの企業が最大の単一障害点かを尋ねると、グラフは最も多くのインバウンド依存エッジを持つノードを返す。どの企業が連動して動くかを尋ねると、最も密度の高いクラスターを返す。無関係に見える 2 社を結びつけるものを尋ねると、それらの間の共有エンティティのパスをたどる。それぞれの回答はグラフ操作であり、新しい起動ではない。

1graph.query · live
2query> 最大の単一障害点はどのノードか？
3→ ノード #041（インバウンド依存エッジ 14 本）
4query> どの企業が連動して動くか？
5→ クラスター A: ノード 8 つ、バッテリーサプライヤー共有
6query> #012 と #087 を結びつけるものは？
7→ パス: #012 → IMF 提出書類 → #087
8// 関係性がすでにグラフ内にあるため、構造に関する質問に即座に答えられる。

なぜ持続するのか

グラフは複利的に積み上がる。レポートは積み上がらない。

これは、リサーチを複数回行う人にとって重要な部分だ。フラットなレポートは書かれた瞬間に完成する。来週の質問は、やり直しを意味する。Kimi が構築するコンテキストグラフはその逆で、構築を続けられるベースなのだ。

• クエリ可能。 どのノードが最も接続されているか、または 2 つのエンティティを結びつけるものをグラフに尋ねる。答えはすでに構造の中にある。
• 拡張可能。 次の起動では、新しい山ではなく、同じグラフに新しいノードとエッジが追加される。知識が蓄積されていく。
• 再利用可能。 関係性は残る。今日思いつかなかった質問にも、リサーチを再実行せずに明日答えられる。
• 説明可能。 すべてのエッジは、それを生み出した共有ソースにたどれるため、2 つのものがなぜ接続されているのかがわかる。

回答の山は、閉じた瞬間に価値を失う。グラフは、追加するたびに価値が高まる。この違いは、1 か月のリサーチを通すと、仕事をやり直すことと、それを複利的に積み上げることの違いになる。

回答を集めるのをやめよう。グラフを構築し始めよう。

誰でも 300 のエージェントを実行できる。問題は、それらが終わったときに何が残るかだ。Kimi Agent Swarm が残すのは、山ではなく、接続された知識ベースである。それが、捨てられるリサーチと、築き上げていくリサーチの違いなのだ。