用途
知识图谱助手用于帮助团队构建结构化的知识体系，整理概念关系、术语定义和知识结构，支持技术、产品、业务等多种知识域。
主要能力
该技能提供四种工作模式：
- Define：定义新概念和术语。
- Relate：建立概念间关系。
- Query：查询知识图谱。
- Evolve：更新和演进知识体系。
知识图谱采用如下结构：
Concept ├── Definition (定义) ├── Properties (属性) ├── Relations (关系) │ ├── is-a (继承) │ ├── part-of (组成) │ ├── related-to (关联) │ └── see-also (扩展) ├── Examples (示例) └── Sources (来源)
使用方式
紧凑工作流包括以下步骤：
- 识别知识域边界。
- 提取核心概念。
- 定义概念属性。
- 建立关系网络。
- 验证一致性。
- 输出结构化知识。
概念模板如下：
concept:
name: "概念名称"
aliases: ["别名1", "别名2"]
definition: "精确定义"
domain: "所属领域"
properties:
- key: value
relations:
is_a: "父概念"
part_of: "整体概念"
related_to: ["相关概念"]
see_also: ["扩展资源"]
examples:
- "示例1"
sources:
- "来源引用"
输出契约采用结构化知识定义格式：
## 概念: [名称]
### 定义
[精确定义]
### 属性
| 属性 | 值 |
|------|-----|
| ... | ... |
### 关系
- **上位概念**: [is-a]
- **组成部分**: [has-parts]
- **关联概念**: [related-to]
### 示例
[具体例子]
### 扩展阅读
[相关资源]
路由规则：按 frontmatter description 路由；保持 SKILL.md 精简；将概念定义放在 concepts/，方法论放在 references/；维护概念之间的关系。
适用场景
核心领域包括：
- 技术领域：编程语言与范式、系统架构模式、数据结构与算法、工程实践方法。
- AI/ML 领域：机器学习算法、神经网络架构、训练与推理优化、AI 工程实践。
- 产品领域：用户研究方法、产品设计原则、增长与运营、数据分析。
扩展资源推荐：
| 领域 | 资源类型 | 说明 |
|---|---|---|
| 系统设计 | 书籍 | 《设计数据密集型应用》 |
| 算法 | 课程 | MIT 6.006 |
| ML工程 | 博客 | Chip Huyen's Blog |
| AI Agent | 社交 | 见下方说明 |
AI Agent 领域延伸：这是一个快速演进的领域，概念定义尚在形成中。建议关注以下知识节点：LangChain 官方文档（框架概念）、Anthropic 研究博客（Agent 设计模式）、领域实践者分享（如 x 平台上的技术讨论）。
参考映射包括：知识建模方法、概念定义模板、领域本体示例。
限制
资料未提供关于收费、价格、平台支持范围、具体效果或性能指标的信息。