graph-engineering
为AI智能体设计知识图谱与任务图谱的工程化技能
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：graph-engineering。 它的用途是：为AI智能体设计知识图谱与任务图谱的工程化技能 完整的 Skill 内容见：https://321skill.com/skills/graph-engineering/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“请使用graph-engineering技能，教我如何为我的智能客服项目设计一个知识图谱。” 它会启动教学模式，引导你从界定客服领域范围开始，一步步完成本体设计、实体关系抽取，并生成对应的流程图。或者
对AI说：“使用/kg-extract工具，从这份产品文档中提取实体和关系。” 它会直接应用技能中的工作流，执行知识抽取任务。
介绍
Graph Engineering Skill 旨在解决AI智能体开发中知识组织与任务编排的结构化难题。它将复杂的知识图谱构建流程（从领域界定、本体设计到实体关系抽取、质量验证与融合）和现代任务图谱编排模式（如并行处理、独立验证、停止规则）封装成一套可操作的技能，让开发者能系统性地为智能体构建记忆与工作蓝图。
使用时，您只需将技能安装到Claude等兼容的AI平台，即可开启“教学模式”或“构建模式”。教学模式会引导您一步步学习图谱工程的完整九阶段流程，并结合您的具体项目生成图解；构建模式则提供一系列即用型提示块，可直接用于从文档中抽取知识、构建图谱或设计任务流。
该技能特别适合智能体开发者、全栈工程师、数据分析师以及任何需要为AI系统构建结构化知识库或优化复杂任务执行流程的团队。它提供了一套从学术理论到工程实践的桥梁。
建议初次使用时先运行教学模式，以理解图谱工程的核心理念和完整流程。在构建自己的知识图谱时，务必遵循“先建模，后抽取”的原则，并利用其内置的质量门控确保数据可靠性。对于任务图谱，重点理解“删除虚假边”和“钻石模式”等规则，以设计出高效的智能体协作拓扑。
核心特点
本技能的核心区别在于，它并非简单的提示词集合，而是将东南大学研究生课程《知识图谱》的完整9阶段工程化流程与现代多智能体任务编排研究相结合，提供了从理论教学到粘贴即用工作流的完整体系。其“教学模式”能根据用户的具体领域生成图解，进行交互式教学，这是同类技能所不具备的。
注意事项
本技能侧重于图谱的工程化设计与构建方法论，不适合需要开箱即用、无需理解底层原理的快速简单知识抽取场景。
常见问题
这个技能和普通的RAG（检索增强生成）有什么区别？
RAG侧重于利用现有文档进行检索，而本技能教授如何系统性地构建带有时序和溯源关系的结构化知识图谱（GraphRAG的基础），并设计智能体的任务执行拓扑，是更底层和系统的工程方法。
我需要有知识图谱的基础才能使用吗？
不需要。技能内置了完整的教学模式，可以从零开始交互式地学习整个图谱工程流程，并用你的项目作为实例进行讲解。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/graph-engineering/raw/index.md 读取 graph-engineering 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/graph-engineering/raw/index.md（查看排版版本）