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 grafici della conoscenza per la conoscenza relazionale potenziata dall'intelligenza artificiale. Copre la progettazione dell'ontologia, la selezione del database a grafo (Neo4j, Neptune, ArangoDB, TigerGraph), l'estrazione di entità, l'architettura ibrida grafo-vettore, i modelli di query e l'integrazione dell'intelligenza artificiale. Da utilizzare durante l'implementazione di grafici della conoscenza, la progettazione di ontologie, l'estrazione di entità e relazioni, la selezione di un database di grafici o la creazione di una ricerca ibrida di vettori di grafici. Utilizzare per il grafico della conoscenza, la progettazione dell'ontologia, la risoluzione delle entità, il RAG del grafico, il rilevamento delle allucinazioni. Per la selezione e la governance dell'architettura, utilizzare la competenza di gestione della knowledge base. Per le pipeline di recupero dei documenti, utilizzare la competenza rag-implementer. Fonte: oakoss/agent-skills.