knowledge-graph-builder

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.

Implementa gráficos de conocimiento para conocimiento relacional mejorado por IA. Cubre el diseño de ontologías, la selección de bases de datos de gráficos (Neo4j, Neptune, ArangoDB, TigerGraph), la extracción de entidades, la arquitectura híbrida de gráficos y vectores, los patrones de consulta y la integración de IA. Úselo al implementar gráficos de conocimiento, diseñar ontologías, extraer entidades y relaciones, seleccionar una base de datos de gráficos o crear una búsqueda híbrida de gráficos y vectores. Se utiliza para gráficos de conocimiento, diseño de ontologías, resolución de entidades, gráficos RAG y detección de alucinaciones. Para la selección y gobernanza de la arquitectura, utilice la habilidad de administrador de base de conocimientos. Para procesos de recuperación de documentos, utilice la habilidad de implementador de trapos. Fuente: oakoss/agent-skills.