用途：将图论与网络科学应用于职业关系映射，识别驱动职业生态的隐藏超级连接者、影响力中介与知识专家，回答“该认识谁”“谁认识所有人”“谁连接不同世界”“影响力如何流动”“结构洞在哪里”等问题。
主要能力：按 Gladwell 原型分类——Connector（高中介中心性+高连接度，桥接社群，适合跨领域推荐）、Maven（高入度、权威、产出内容，知道谁擅长什么）、Salesman（高影响力传播、交易网络）。中心性指标包括中介中心性（找守门人与中介）、度（扩大推荐触达）、特征向量（接触权力与上升新星）、PageRank（思想领袖）、接近中心性（信息扩散）。
使用方式：典型流程为定义边界（如某领域研究者及年份）→ 确定数据源（arXiv、会议、社交聚类等）→ 计算中心性 → 按原型分类 → 输出带网络位置理由的排名列表。分析工作流包括：寻找推荐用超级连接者、映射领域影响力、优化个人人脉、组织网络分析（ONA）。数据源按信号强度分为合著（很强）、会议同台（强）、GitHub 共同仓库（中强）、LinkedIn 连接（中）、Twitter 互关（弱），建议多源融合加权。
适用场景：招聘推荐、领域影响力与思想领袖识别、个人人脉优化、组织内非正式结构分析。
限制与伦理：不得用于未经同意的监控、歧视、操纵、侵犯隐私或缺乏数据的臆测。避免只关注连接度、把旧关系当现状、依赖单一数据源、忽略领域语境等反模式。数据不足时可用滚雪球抽样、问卷或相邻社群补充；弱信号需多源验证；网络过大可用 k-core 过滤；同名问题用 ORCID 等唯一 ID 校验。核心洞见：优势来自桥接原本不相连的群体，而非密集簇内的连接。