我们差点上线一个时间感知知识图谱，最终被一条评测拦下。这条评测只断言一件事：在时间 T，智能体应当报告 T 时刻真实存在的状态。结果它失败了 41%——图谱里存的事实没错，只是把错误时间窗口的事实交给了智能体。
时间知识图谱（TKG）的思路本身很好：把三元组变成四元组，给每条事实加上 valid_from 和 valid_to，让智能体记忆从扁平向量变成带时间结构化的记录。理论上，陈旧事实不再是靠相似度猜测，而是变成可过滤的条件。问题出在检索层：生成的查询按 valid_from 倒序取最新一条，从不按参考时间过滤。智能体在推理 03:00 的故障时，05:00 记录的"online"状态会被当作答案返回。事实是真的，时间戳是真的，只是来自错误的窗口。
更隐蔽的是，静态评测全部通过。RAGAS 式忠实度检查只验证答案是否基于检索上下文——它确实基于了，只是基于了错误的时间切片。图谱没错、schema 没错、数据没错，错在检索查询丢了时间过滤，而评测套件里没有任何测试能发现这一点。
修复检索只加了一个 WHERE 子句：先过滤 valid_from <= T 且 valid_to > T 的边，再排序取第一条。真正重要的修复是让参考时间成为 query_state 的必填参数，没有它直接报错；同时把时间窗口和参考时间一起传给模型，让它有机会发现不匹配。
这次没上线图谱，上线的是那条评测。图谱从来不是风险点，风险在于差点信任一个从未被问对问题的系统。给智能体做时间记忆，先写时间回归测试，再写图谱本身。
@DevToolboxHub