Knowledge Graph Skill Free

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。

---slug: "knowledge-graph-skill-free" name: "knowledge-graph-skill-free" version: "1.0.0" displayName: "知识图谱基础版" summary: "嵌入式知识图谱基础能力" summary_zh: "嵌入式知识图谱基础能力，支持实体、关系、属性的基础存储与查询，适合结构化知识管理。。嵌入式知识图谱基础能力，支持实体、关系、属性的基础存储 与查询. 核心能力: - 实体与关系的基础创建、更" license: "MIT" description: |- 嵌入式知识图谱基础能力，支持实体、关系、属性的基础存储 与查询. 核心能力:

• 实体与关系的基础创建、更新、删除

• 基础图查询（邻居、路径、属性过滤）

• 持久化存储与基础检索

适用场景:

• AI 模型调用、智能对话、Agent 编排、LLM 应用

• 独立开发者与小型团队的结构化知识管理

• 自动化工作流中的知识持久化

差异化:基础版聚焦实体与关系的基础存储与查询，去除了高级版的图谱推理、跨图谱关联与向量检索能力. tags:

• Development
• Agents
• Research
• 工具
• 效率
• string
• action
• entity_id
• api tools:
• read
• write
• exec homepage: "" category: "Automation"---# 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

快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 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

1. 确认运行环境满足依赖说明中的要求
2. 初始化或加载一个知识图谱实例
3. 按需执行实体创建、关系建立或查询操作
4. 持久化图谱数据到本地文件
5. 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

json

{
  "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

text

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

text

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