源自 GitHub图节点向量计算与相似度分析
本功能面向知识图谱与语义网络分析，基于 Semantica 框架提供图节点向量计算及关联分析服务。用户指定节点类型或关系网络后，系统通过 Node2Vec 算法将实体转化为低维特征向量，并支持余弦或欧几里得距离计算。此外，还能预测潜在实体连边与关系得分，帮助用户快速挖掘隐藏实体联系。使用时需已构建 ContextGraph 图数据库环境。
常见场景
它能帮你做什么？
01
相似实体挖掘：输入目标节点 ID，在向量空间中检索结构与语义最接近的 top-N 实体节点。
02
图网络链路预测：评估两个原本无直接连边的节点间潜在关系概率，推荐潜在合作或关联网络。
03
全局节点相似度矩阵生成：对指定类别的所有实体计算两两相似度，输出高相似与低相似聚类热力摘要。
三步完成
怎么使用
1安装 Skill
把右侧安装请求发给你的 AI。
2说清楚目标
告诉 AI 你想完成什么，或直接贴入内容。
3检查结果
按需要继续调整语气、范围或格式。
复制就能用
你可以直接这样说
“/semantica:embed compute --labels User,Project --dim 128 --walks 20”
“/semantica:embed similar node_1024 --top 5”
“/semantica:embed predict-link user_a project_b --method cosine”
“/semantica:embed pairwise --labels Service --method cosine”
适用人群
适合谁？
上手门槛
使用难度
专业
适合熟悉相关工具和专业流程的用户。
兼容范围
支持哪些 AI？
Codex可直接使用
Claude Code可直接使用
OpenClaw可直接使用
Hermes可直接使用国内 Agent可直接使用
中文用户增强
Skill Px 做了什么？
中文说明简化使用方式补充中文案例整理安装流程降低理解难度
