用途：从论文、临床笔记、网页、日志等非结构化或半结构化数据源设计并构建知识图谱，面向RAG检索、推理推断、分析或混合场景。
主要能力：提供六步工作流——识别数据源与领域范围、选择图数据模型、设计模式与本体、配置抽取流水线、定义分层架构、验证与质量检查；并给出架构选择指南、模式模板和输出规范模板。
数据模型选择：LPG适合快速开发与RAG，查询语言Cypher/Gremlin；RDF/OWL适合标准化互操作与推理，查询语言SPARQL；超图适合N元关系；时序图适合演化知识。领域建议：生物医学/临床用RDF/OWL，企业/RAG用LPG，事件中心用超图或时序图，法律合规用RDF/OWL，科学文献用LPG加分层。
模式模板：实体-关系模式用于二元关系；事件具体化模式把N元关系建模为一等事件节点；分层层级模式区分实例数据、领域知识、规范本体，并为每条边记录来源、抽取方法、置信度和时间戳。
抽取流水线：LLM辅助实体抽取并多轮验证，基于提示或依存句法分析进行关系抽取，实体规范化（同义词合并、本体链接），后处理校验保证符合模式，提示中使用少样本示例并用第二轮LLM验证查漏。
验证与限制：需检查模式一致性、覆盖率、一致性与完整性，可用第二个LLM对照源文档核查三元组，并计算节点度分布、连通分量、孤立节点等图统计。资料未提供具体实现代码、存储后端选型之外的技术细节、性能基准、收费或平台信息，相关步骤以模板与清单形式给出。