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.

Реализует графы знаний для реляционных знаний, расширенных искусственным интеллектом. Охватывает проектирование онтологий, выбор графовой базы данных (Neo4j, Neptune, ArangoDB, TigerGraph), извлечение сущностей, гибридную графово-векторную архитектуру, шаблоны запросов и интеграцию искусственного интеллекта. Используйте при реализации графов знаний, проектировании онтологий, извлечении сущностей и связей, выборе базы данных графов или построении гибридного графово-векторного поиска. Использование для графа знаний, проектирования онтологий, разрешения сущностей, RAG графа, обнаружения галлюцинаций. Для выбора архитектуры и управления используйте навыки менеджера базы знаний. Для конвейеров поиска документов используйте навык rag-implementer. Источник: oakoss/agent-skills.