CSV 图谱装载器生成器

解决什么问题

CSV 是最常见的结构化数据交付格式，但图谱数据库（Neo4j、RDF 三元组库、属性图）需要的输入不是「行」，而是节点、关系与属性。人工把一张表拆成节点集和关系集时，容易在几个地方出错：哪些列代表实体、哪个外键指向哪类节点、属性该挂在哪一层、重复记录怎么合并。这个技能把这类 CSV → 图 ETL 的映射工作自动化：给一张 CSV 和列定义，输出可直接执行的装载脚本与映射配置。

核心能力

• 实体识别：区分 ID 列（唯一标识）、名称列（实体名）、类别列（实体类型），据此推断节点标签。
• 关系推断：把列之间的关联映射成关系类型与方向，例如外键列指向另一实体时生成一条边。
• 属性分配：未被识别为实体或关系的剩余列作为节点属性保留，并自动推断 string、integer、float、boolean、datetime、reference 等类型。
• 多种输出格式：Neo4j Cypher LOAD CSV 脚本、RDF 三元组（Turtle）、属性图 JSON、节点/边表，以及映射配置文件与图模式定义。
• 映射策略：支持全自动检测、带提示的半自动、显式指定三种方式。
• 重复数据处理：提供合并策略、去重、基于 ID 的去重选项。

执行流程分八步：解析并校验 CSV → 分析 schema → 检测实体 → 推断关系 → 创建图 schema → 生成列到属性的映射 → 校验数据质量 → 输出目标系统的装载脚本。

适用边界

这个技能生成的是脚本与映射配置，不负责真正把数据写入库。导入这一步仍需你用 Neo4j、Sparql 客户端或属性图导入器执行，批量导入的事务、索引、约束也要自己规划。

它不替代 schema 设计。实体类型是从列名和取值推断出来的，如果你的业务里有隐藏的实体划分（例如「客户」和「个人」实际是两类节点），纯自动检测会给出过度合并的图，这种情况应该改用显式映射或至少提供提示。类别列、ID 列命名不规范时，识别准确率会明显下降。

另外它不做数据清洗：缺失值需要你明确处理策略，外键指向不存在节点这类引用完整性问题也要额外检查。官方建议先用样本数据跑通，再做全量导入，映射配置文件则建议纳入版本控制以便回溯和评审。