知识图谱
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @kunlungrowth/kunlun-zhishitupu。
技能介绍
你在知识图谱任务里常卡在哪
做本体设计、实体关系梳理或图谱落地时,常见情况是:目标说得清,但第一步从哪下手说不清;评审时缺统一验收口径;选型时在脑子里反复权衡,结论却写不出依据。本技能不替你接数据库或跑图算法,而是把「怎么拆、用什么格式、别漏什么、选哪条路、做完怎么改」固化成可复用的结构化输出。
技能如何响应你的诉求
通过触发词路由到五类能力,输入尽量带上「目标 + 约束 / 场景 / 事项」:
- 任务拆解:听到
怎么做、拆解、步骤→ 产出步骤、每步交付物与验收标准 - 模板生成:
模板、格式、范例→ 可直接套用的文档骨架 - 检查清单:
核对、清单、避坑→ 分项清单与优先级 - 方案对比:
选哪个、对比、权衡→ 利弊表与建议(可配合加权打分与敏感性检查) - 复盘改进:
复盘、总结、优化→ 复盘单与可执行的改进项
内置两条工作流:通用任务流(先定可验收产出 → 拆步骤 → 定标准 → 执行自查 → 复盘)与方案对比决策流(列维度打分 → 算总分 → 看关键维度是否翻盘 → 定结论与退路)。多个诉求可以组合,例如先拆解再出清单。
边界与注意
产出是方法论、模板与检查清单,具体技术选型与合规判断仍由你结合业务与资质要求自行决定;涉及安全、医疗等强监管领域应咨询专业机构。若结果不够贴场景,在同一能力的输入里补充人群、数据源、交付形态等约束即可收窄输出。
使用场景
- 本体与关系 schema 已定稿目标,需要拆成可排期的步骤并写明每步交付物与验收标准
- 在 Neo4j、RDF 三元组库等 2~3 种存储方案间选型,需要按成本、运维、查询能力做利弊表
- 图谱上线或对外交付前,需要核对实体类型、关系约束、数据来源是否遗漏的分项清单
- 小规模知识图谱试点结束后,需要把目标与实际偏差、根因与下次改进行动写进复盘单
适合人员
- 负责企业知识图谱从 0 到 1 的数据架构师,要把「建图」拆成可验收的子任务与交付清单
- 需要在图数据库厂商或自建方案间做决策的产品经理,希望对比维度固定、结论可复述给评审
- 整理领域本体与实体关系说明的知识工程师,需要统一格式的模板避免文档结构各写各的
- 带图谱 POC 小团队的负责人,每次迭代结束要用复盘单把改进项落到 owner 与截止时间