sqlite
集知识图谱与向量检索于一体的SQLite MCP服务
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：sqlite。 它的用途是：集知识图谱与向量检索于一体的SQLite MCP服务 完整的 Skill 内容见：https://321skill.com/skills/sqlite/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
“帮我把这份产品文档导入知识库，并建立关键概念之间的关联。”，它会调用该Skill，解析文档内容，提取实体和关系存入知识图谱，同时将文本段落生成向量嵌入，便于后续通过自然语言进行关联查询和语义检索。
介绍
该Skill解决了在AI应用开发中，如何高效、轻量地存储、关联和检索结构化知识与非结构化语义信息的问题。传统方案往往需要部署独立的图数据库和向量数据库，架构复杂，而本Skill通过SQLite将两者集成，简化了技术栈。
使用时，您可以通过MCP协议将其接入Claude Desktop、Cursor等AI IDE或智能体框架。它允许您将业务数据、文档知识等同时构建成知识图谱（存储实体与关系）和向量数据库（存储语义嵌入），从而支持复杂的关联查询和语义搜索。
它非常适合需要构建私有知识库、开发具备深度推理能力的智能体，或进行复杂数据分析的开发者与研究者。无论是全栈开发、智能体开发者还是数据分析师，都能利用它增强AI对领域知识的理解和运用能力。
建议在项目初期就规划好知识图谱的Schema，并注意SQLite虽轻便，但在处理超大规模图数据或极高并发写入时可能存在性能瓶颈，更适合中小规模的知识管理与智能体记忆场景。
核心特点
核心区别在于将知识图谱的关系型查询能力与向量数据库的语义搜索能力，统一封装在单一、轻量的SQLite数据库中，无需维护多个数据库服务，极大降低了本地开发和部署的复杂度。
注意事项
不适合需要处理海量（如亿级以上）实体关系或要求极高并发写入性能的超大规模生产场景。
常见问题
这个Skill和直接用pgvector+Neo4j有什么区别？
它使用SQLite单文件集成两者，无需安装和运维多个数据库服务，更轻量、易部署，适合本地开发、边缘计算或中小型应用。
需要提前准备向量模型吗？
通常需要，该Skill主要负责存储和检索，文本到向量的嵌入生成一般需要依赖外部的嵌入模型API或本地模型。
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/sqlite/raw/index.md 读取 sqlite 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/sqlite/raw/index.md（查看排版版本）