知识图谱基础版
提供实体与关系的基础创建、更新、删除及邻居查询,支持本地持久化与简单属性过滤,用于结构化知识管理。
天轰穿
@thcjp
Install
$ openclaw skills install @thcjp/knowledge-graph-skill-free知识图谱基础版
核心能力
- 实体管理:创建、更新、删除实体节点,支持实体类型、属性与唯一标识
- 关系管理:在实体之间创建有向关系,支持关系类型与属性标注
- 基础图查询:查询实体的邻居、一度/二度关联节点、按属性过滤实体
- 持久化存储:将图谱数据持久化到本地文件(JSON / SQLite),支持加载与导出
- 基础检索:按实体名称、类型、属性值进行基础检索 关键词: knowledge graph skill
快速开始
- 确认运行环境满足依赖说明中的要求
- 在AI Agent对话中调用本技能,提供必要的输入参数
- 检查输出结果,根据需要进行后续处理
详细的输入输出格式请参考下方章节说明。
适用场景
| 场景 | 输入 | 输出 |
|---|---|---|
| 实体创建 | 实体名称与类型 | 实体唯一标识与存储确认 |
| 关系建立 | 源实体、目标实体、关系类型 | 关系记录与关联确认 |
| 邻居查询 | 实体标识与查询深度 | 邻居实体与关系列表 |
| 属性过滤 | 属性键值条件 | 符合条件的实体列表 |
| 图谱导出 | 导出格式 | JSON 或 SQLite 文件路径 |
不适用于:复杂图谱推理(如最短路径、社区发现、中心性分析)、跨图谱关联、向量检索与语义相似度、大规模图数据库(如 Neo4j 级别)、实时流式图谱更新等场景(请使用高级版)
使用流程
- 确认运行环境满足依赖说明中的要求
- 初始化或加载一个知识图谱实例
- 按需执行实体创建、关系建立或查询操作
- 持久化图谱数据到本地文件
- 输出操作结果与查询数据
输入格式
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| action | string | 是 | 操作类型,可选: create_entity/update_entity/delete_entity/create_relation/query_neighbors/query_by_property/export/import |
| entity_id | string | 否 | 实体唯一标识,创建与查询时使用 |
| entity_type | string | 否 | 实体类型,如 person/concept/document |
| properties | object | 否 | 实体或关系的属性键值对 |
| relation_type | string | 否 | 关系类型,如 depends_on/related_to/authored_by |
| source_id | string | 否 | 关系的源实体标识 |
| target_id | string | 否 | 关系的目标实体标识 |
| query_depth | integer | 否 | 邻居查询深度,默认: 1,最大: 2 |
| strict_level | string | 否 | 审查严格度,可选: strict/normal/loose,默认: normal |
输出格式
{
"success": true,
"data": {
"overall_status": "ok",
"action": "query_neighbors",
"result": {
"entity": {
"id": "entity_001",
"type": "person",
"name": "张三"
},
"neighbors": [
{
"relation": "authored_by",
"direction": "outgoing",
"entity": {
"id": "entity_002",
"type": "document",
"name": "架构设计文档"
}
},
{
"relation": "depends_on",
"direction": "outgoing",
"entity": {
"id": "entity_003",
"type": "concept",
"name": "微服务架构"
}
}
],
"neighbor_count": 2
},
"stats": {
"total_entities": 24,
"total_relations": 56,
"query_duration_ms": 80
}
},
"error": null
}
异常处理
| 错误场景 | 原因 | 处理方式 |
|---|---|---|
| 实体不存在 | entity_id 未找到 | 提示用户先执行 create_entity 创建实体 |
| 关系建立失败 | source_id 或 target_id 不存在 | 提示用户确认两端实体存在后再建立关系 |
| 图谱未初始化 | 未加载或创建图谱实例 | 提示用户先执行 import 或初始化新图谱 |
| 持久化失败 | 文件路径不可写或磁盘空间不足 | 检查路径权限与磁盘空间后检查网络连接和配置后重试 |
| 查询深度超限 | query_depth 超过 2 | 提示基础版最大支持 2 度查询,建议缩小深度 |
依赖说明
运行环境
- Agent平台: 支持SKILL.md规范的任意AI Agent
- 操作系统: Windows / macOS / Linux
依赖项
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| LLM API | API | 必需 | 由Agent内置LLM提供 |
API Key 配置
- 本Skill基于指令驱动,无需额外API Key(除内容中明确标注的外部API)
可用性分类
- 分类: MD+EXEC()
- 说明: 基于Markdown的AI Skill,通过自然语言指令驱动Agent执行图谱操作
案例展示
示例1:创建实体并建立关系
输入: action=create_entity, entity_type=person, properties={name:"张三"}
处理: 生成唯一标识 -> 存储实体 -> 返回 entity_id
输出: 实体已创建,entity_id=entity_001
示例2:查询邻居节点
输入: action=query_neighbors, entity_id=entity_001, query_depth=1
处理: 查找该实体的所有一度邻居 -> 按关系类型分组 -> 返回结果
输出: 2 个邻居,分别为文档与概念实体
常见问题
Q1: 如何开始使用知识图谱基础版?
A: 查看使用流程章节,初始化或加载一个图谱实例,然后按"输入格式"提供 action 与相关参数即可.
Q2: 图谱数据如何持久化?
A: 基础版支持 JSON 与 SQLite 两种持久化格式,可通过 export 操作导出到本地文件,下次使用时通过 import 加载.
Q3: 知识图谱基础版支持图谱推理吗?
A: 不支持。基础版仅提供实体、关系与基础查询,如需最短路径、社区发现、中心性分析、跨图谱关联与向量检索,请升级至高级版.
Q4: 如何获取图谱推理、跨图谱关联、向量检索等高级能力?
A: 这些属于高级版能力。基础版聚焦实体与关系的基础存储与查询,如需复杂推理、语义相似度检索与大规模图谱分析,请升级至高级版.
错误处理
| 错误场景(续) | 原因 | 处理方式 |
|---|---|---|
| LLM响应超时或无响应 | 网络延迟或模型负载过高 | 检查网络连接和配置后重试;确认Agent平台LLM服务正常 |
| 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求,参考示例章节 |
| 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述,补充必要的上下文信息 |
| 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求;检查命令权限设置 |
已知限制
- 不支持图谱推理(最短路径、社区发现、中心性分析、联通分量)
- 不支持跨图谱关联与多图谱合并
- 不支持向量检索与语义相似度查询
- 不支持大规模图数据库(如 Neo4j、JanusGraph 级别)的性能优化
- 查询深度最大为 2 度,更深的查询需要拆分为多次操作
- 不支持实时流式图谱更新与增量索引
- 不支持图算法库(如 PageRank、Betweenness Centrality)
- 持久化仅支持本地文件,不支持远程图数据库接入
Top skills in this category
Self-Improving + Proactive Agent
@ivangdavilaSelf-reflection + Self-criticism + Self-learning + Self-organizing memory. Agent evaluates its own work, catches mistakes, and improves permanently. Use when...
ontology
@oswalpalashTyped knowledge graph for structured agent memory and composable skills. Use when creating/querying entities (Person, Project, Task, Event, Document), linkin...
Humanizer
@biostartechnologyRemove signs of AI-generated writing from text. Use when editing or reviewing text to make it sound more natural and human-written. Based on Wikipedia's comprehensive "Signs of AI writing" guide. Detects and fixes patterns including: inflated symbolism, promotional language, superficial -ing analyses, vague attributions, em dash overuse, rule of three, AI vocabulary words, negative parallelisms, and excessive conjunctive phrases.
Obsidian
@steipeteWork with Obsidian vaults (plain Markdown notes) and automate via obsidian-cli.
YouTube Watcher
@michaelgatharaFetch and read transcripts from YouTube videos. Use when you need to summarize a video, answer questions about its content, or extract information from it.