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.

Implémente des graphiques de connaissances pour les connaissances relationnelles améliorées par l'IA. Couvre la conception d'ontologies, la sélection de bases de données graphiques (Neo4j, Neptune, ArangoDB, TigerGraph), l'extraction d'entités, l'architecture hybride graphique-vecteur, les modèles de requête et l'intégration de l'IA. À utiliser lors de la mise en œuvre de graphiques de connaissances, de la conception d'ontologies, de l'extraction d'entités et de relations, de la sélection d'une base de données de graphiques ou de la création d'une recherche hybride graphique-vecteur. Utilisation pour le graphe de connaissances, la conception d'ontologies, la résolution d'entités, le graphe RAG, la détection d'hallucinations. Pour la sélection et la gouvernance de l’architecture, utilisez la compétence de gestionnaire de base de connaissances. Pour les pipelines de récupération de documents, utilisez la compétence rag-implémenter. Source : oakoss/agent-skills.