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.

AI로 강화된 관계형 지식에 대한 지식 그래프를 구현합니다. 온톨로지 설계, 그래프 데이터베이스 선택(Neo4j, Neptune, ArangoDB, TigerGraph), 엔터티 추출, 하이브리드 그래프-벡터 아키텍처, 쿼리 패턴 및 AI 통합을 다룹니다. 지식 그래프 구현, 온톨로지 설계, 엔터티 및 관계 추출, 그래프 데이터베이스 선택 또는 하이브리드 그래프-벡터 검색 구축 시 사용합니다. 지식 그래프, 온톨로지 설계, 엔터티 해결, 그래프 RAG, 환각 감지에 사용됩니다. 아키텍처 선택 및 거버넌스에는 지식 기반 관리자 기술을 사용하세요. 문서 검색 파이프라인의 경우 rag-implementer 기술을 사용하십시오. 출처: oakoss/agent-skills.