用途：该技能面向以实体关系为核心的复杂领域，把隐式关系显式化，使AI能够推理连接、核验事实并降低幻觉。适用于复杂实体关系、结构化知识核验、语义搜索结合关系遍历、推荐、反欺诈或模式识别等场景；不适合简单表格数据、无关系的纯文档检索、无遍历需求的读密集负载，或团队缺乏图建模经验时。
主要能力与方法：强调本体优先，先定义实体类型、关系与属性再摄入数据；要求积极做实体消歧与去重，例如把“Apple Inc”“Apple”“Apple Computer”归并为同一实体；为每条关系附加0.0到1.0的置信度分数与来源；采用图遍历加向量搜索的混合架构，由向量召回候选、由图扩展关系上下文；增量构建，先做核心实体并用真实查询验证，再逐步扩展；数据库按规模、基础设施与查询复杂度匹配选型（Neo4j通用、Neptune为AWS托管、ArangoDB多模型、TigerGraph面向大规模）。
使用方式与委托：可从非结构化文本抽取实体与关系，委托Task代理运行NER流水线并构建关系三元组；用Explore代理对比图数据库选型；用Plan代理设计新领域的本体与图-向量集成策略。混合KG+RAG系统委托给rag-implementer技能，知识图谱驱动的智能体工作流委托给agent-patterns技能。
限制与注意事项：避免先摄入实体再设计本体、跳过消歧去重、省略关系置信度、只用图遍历而不用向量搜索、在真实查询验证前就建全图、以及未弄清规模需求就选库。参考主题包括本体设计、数据库选型、实体抽取、混合架构、查询模式（如Cypher）与AI集成。具体安装命令、版本与收费信息资料未提供。