知识图谱创建

要解决什么问题

技术文档、会议纪要、新闻稿里的事实往往以散文形式堆在一起：谁负责什么、组件依赖谁、概念之间如何衔接，要靠人反复通读才能拼成一张「脑内图」。若要把同一批材料交给语义检索、关联分析或推荐逻辑，就需要主-谓-宾级别的结构化表示，而不是段落摘要。

本技能让 Agent 从非结构化输入里抽出实体（人物、组织、技术、概念、事件、地点等）和有向关系，落成正式图三元组，并按你的目标导出 Neo4j 的 Cypher、互操作用的 JSON-LD、简单 CSV，或嵌入 Markdown 的 Mermaid 图。

工作方式概览

技能按固定流水线推进，便于核对与迭代：

1. 分析来源材料：判断领域、范围与粒度（架构文档偏组件级，新闻稿可能只需参与者级）。
2. 提取实体：规范名称、类型与显著属性；对别名、缩写做去重与共指合并。
3. 映射关系：为交互的实体对选定一致谓词（如 WORKS_AT、DEPENDS_ON、PART_OF），并保留可追溯的原文句。
4. 生成三元组与轻量模式：输出一种或多种序列化格式，并列出允许的实体类型与关系类型。
5. 可视化：用 Mermaid 等方式突出中心节点与关系簇。
6. 验证与精炼：检查孤儿节点、缺失边与过度泛化的谓词，并邀请你确认或扩展子图。

使用时只需提供文本或文档集；可指定期望格式、关注的实体类型或规模上限。

边界与注意点

• 歧义与共指：代词或模糊指称需结合上下文解析；不确定时应标注并请用户澄清。
• 隐含关系：可推断的边应标记为推断而非原文直述。
• 长文档：超大文本宜分块抽取再合并去重；节点过多（约 50+）时可视化会变噪，宜聚焦子图。
• 矛盾陈述：冲突关系可同时保留并显式标记矛盾。
• 领域本体：医疗、法律、金融等场景若需对接现有知识库，实体类型与谓词应对齐领域标准（如 SNOMED CT、FIBO），而非通用词表硬套。