增强元认知AI：基于图论LLM充实的知识图谱填充

元认知——监控自身知识状态、发现缺口并自主填补的能力——在现代AI中仍然基本缺席。在此，我们提出MetaKGEnrich，一个全自动化流水线，赋予大语言模型（LLM）应用自主导向的知识修复能力。该系统（i）从种子查询构建知识图谱，（ii）通过七种图指标检测稀疏区域，（iii）让GPT-4o生成针对性问题，（iv）用Tavily检索网络证据并摄入Neo4j，（v）用GraphRAG重新回答查询，由GPT-4评估改进程度。测试使用三个广泛使用数据集各30条查询：Google Research Natural Questions、MS MARCO和Hot-potQA。MetaKGEnrich在80%的HotpotQA问题、87%的Google Research Natural Questions问题和83%的MS MARCO问题上提升了答案质量，同时保留了证据充分的区域。这一概念验证表明，拓扑自诊断加针对性检索如何推动AI迈向类人的元认知学习。