Knowledge graphs make implicit relationships explicit, enabling AI systems to reason about connections, verify facts, and reduce hallucinations. They combine structured entity-relationship modeling with semantic search for powerful knowledge retrieval.
When to use: Complex entity relationships central to the domain, verifying AI-generated facts against structured knowledge, semantic search combined with relationship traversal, recommendation systems, fraud detection, or pattern recognition.
When NOT to use: Simple tabular data (use a relational database), purely document-based search with no relationships (use the rag-implementer skill), read-heavy workloads with no traversal needs, or when the team lacks graph modeling expertise. For KB architecture selection and governance, use the knowledge-base-manager skill.
ينفذ الرسوم البيانية المعرفية للمعرفة العلائقية المعززة بالذكاء الاصطناعي. يغطي تصميم الأنطولوجيا واختيار قاعدة بيانات الرسم البياني (Neo4j وNeptune وArangoDB وTigerGraph) واستخراج الكيانات وهندسة الرسم البياني المختلط وأنماط الاستعلام وتكامل الذكاء الاصطناعي. يُستخدم عند تنفيذ الرسوم البيانية المعرفية، أو تصميم الأنطولوجيا، أو استخراج الكيانات والعلاقات، أو تحديد قاعدة بيانات الرسم البياني، أو إنشاء بحث مختلط للرسم البياني. يُستخدم في الرسم البياني للمعرفة، وتصميم الأنطولوجيا، ودقة الكيان، والرسم البياني RAG، والكشف عن الهلوسة. لاختيار البنية والحوكمة، استخدم مهارة مدير قاعدة المعرفة. بالنسبة لخطوط استرجاع المستندات، استخدم مهارة تنفيذ القماش. المصدر: oakoss/agent-skills.