把知识图谱与 Linked Data 的质量综述放在一起后，我更愿意从一个具体任务开始，而不是从“综合评分”开始。
一张有边界的检查单
第一步写下任务：服务哪些实体、使用哪段时间的信息、需要回答怎样的问题。第二步写下失败：错误的边、缺少的关系、陈旧的来源，分别会造成什么后果。最后才选择能够观测这些失败的指标。
例如，若一个查询依赖机构之间的当前关联，最需要追踪的可能是关系的有效时间与来源版本。此时，图谱中其他属性更加丰富，并不能抵消这条关键关系过期的影响。
检测结果应当可以被反驳
我希望一条质量告警至少带着一个能够复核的理由：违反了哪条约束、使用了哪份数据、为何与任务相关。
如果只能说“模型认为可疑”，它可以进入待检查队列，但不应直接成为事实已错的判决。相应地，一次修复也应保留原值、依据与影响范围，方便发现修错了之后退回去。
一个尚待验证的假设
按任务约束组织质量检查，可能比不断增加全局指标更有助于解释错误。但它也可能提高配置成本，遗漏尚未预见的用途。
后续需要拿真实任务比较这两种方式：不是只看告警数量，而是看能否更快找到影响任务的缺陷、是否减少误修，以及换一个任务之后还剩多少可复用的判断。