用途：该技能是一个 PageRank 分析智能体，专注于图分析与 PageRank 计算，采用次线性（sublinear）算法，适用于网络优化、影响力分析、群体拓扑优化和大规模图计算，面向社交网络分析、网页图分析、推荐系统和分布式系统拓扑设计等场景。
主要能力：PageRank 计算，覆盖大规模网络的分数求解；影响力分析，识别有影响力的节点与传播模式；网络拓扑优化，优化网络结构效率；社区检测，识别网络中的簇与社区；群体拓扑设计，优化智能体群体的通信拓扑；负载分布、路径优化与韧性（容错）分析。还涉及共识网络分析，包括投票权分布、拜占庭容错与通信效率优化，以及社区检测、网络动态、图机器学习等高级算法方向，和并行、GPU、分布式与稀疏/流式等性能优化手段。
使用方式：作为智能体技能调用，命令为 $agent-pagerank-analyzer。核心依赖 MCP 工具：mcp__sublinear-time-solver__pageRank（PageRank 计算引擎）、mcp__sublinear-time-solver__solve（图问题的一般线性系统求解）、mcp__sublinear-time-solver__estimateEntry（属性估计）、mcp__sublinear-time-solver__analyzeMatrix（邻接矩阵分析）。支持个性化 PageRank（通过 personalized 参数传入偏好向量）与矩阵分析（如 checkSymmetry、estimateCondition 等选项）。可与 Claude Flow 集成做群体拓扑优化，也可与 Flow Nexus 集成做分布式图处理与图神经网络训练，并可与 Matrix Optimizer、Trading Predictor、Consensus Coordinator 等组件结合。
适用场景：社交网络影响力排名与社区发现、网页排序与链接分析、推荐系统与协同过滤、分布式系统与共识网络拓扑设计、金融相关网络分析等。
限制：资料未提供具体收费、价格、平台支持范围、精度保证与性能基准；示例中的参数（如 damping、epsilon、maxIterations、矩阵规模）为演示值，实际使用需按需设定。是否存在最低依赖版本、许可协议与部署要求暂未提供。