技能介绍

要解决什么问题

知识图谱与图数据库流水线往往卡在「数据还在别人家的 API 里」：REST 分页、GraphQL 查询、OAuth 换票、限流与超时，响应形态又是嵌套 JSON，很难直接落成节点、边或 RDF 三元组。手工写采集脚本容易在鉴权刷新、翻页策略和 schema 校验上重复踩坑，下游的转换、装载技能也拿不到稳定输入。

技能如何工作

本技能把「从外部 API 取数 → 图谱就绪结构」当成一条可配置的连接器流程，典型步骤包括：

校验配置：端点、鉴权与请求参数
鉴权：API Key、Bearer、OAuth 2.0（授权码 / 客户端凭证）
请求与翻页：offset/limit、按页、cursor 等策略拉全量
解析与转换：校验响应，映射为节点-边、图三元组或 CSV/JSON 数据集
交给下游：对接 JSON→三元组、CSV 图装载、ETL 编排等技能

支持的 API 类型涵盖标准 REST、GraphQL 及常见鉴权方式。错误处理侧应覆盖网络重试（指数退避）、鉴权失败与 token 刷新、rate limit、畸形响应与超时。

实践上可参考 requests/httpx、gql、authlib、pydantic 等库组合实现；凭证应走环境变量，并遵守服务条款与限流。

适用边界与注意点

技能描述的是连接器模式与流水线步骤，具体字段映射、业务 schema 仍需你按目标图谱自行定义。
文档提到 connector-patterns.md、example-connectors.md 作为模式与示例参考，落地时要对照目标 API 的版本与分页语义。
实时增量、复杂 OAuth 场景或强合规审计，需要在重试、日志与缓存策略上额外加固，不能假设「一次拉全」就够。