用途：把非结构化文本转为结构化知识图谱，用于理解复杂领域、语义搜索、发现隐性联系和构建推荐系统。
主要能力：分析源文本的领域、范围与复杂度，确定实体粒度；抽取命名实体与重要概念，记录规范名称、类型（人物、组织、技术、概念、事件、地点）和属性，并做去重；为实体对映射有向关系，统一谓语词汇（如 WORKS_AT、DEPENDS_ON、CREATED_BY、PART_OF、COMPETES_WITH），并记录来源句以便追溯；生成图三元组与模式，输出可为 Neo4j 的 Cypher CREATE 语句、JSON-LD 或 (subject, predicate, object) 的 CSV；用 Mermaid 语法生成可视化，或说明 D3.js、Gephi、Neo4j Browser 的布局；最后校验与完善，检查孤立节点、文本隐含关系和过于宽泛的谓语，并请用户确认或修正。
使用方式：向智能体提供文本段落、文档或文档集，可指定输出格式、关注实体类型或最大图规模。示例提示为“根据以下关于微服务架构的文本构建知识图谱，输出 Neo4j 的 Cypher 查询和 Mermaid 图”。
适用场景：技术文档、新闻文章、团队与系统依赖梳理等。
限制与注意事项：需使用一致的谓语词汇和规范化实体名；关系应有明确方向；图应聚焦用户目的，避免噪声。对代词和模糊指代需依据上下文消解，不确定时应询问用户；隐含关系可抽取但需标记为推断；超长文本宜分块处理并跨块合并去重，节点超过约 50 个时可视化可能不实用；文本存在矛盾时保留并标记；医学、法律、金融等专门领域可参照 SNOMED CT、FIBO 等本体。具体收费、价格与平台支持信息暂未提供。