AI Skill 大全

多模态资料知识图谱构建

扫描代码、文档与图像等本地文件,通过语法解析与语义抽取生成带审计追踪的知识图谱,并输出交互图表与分析报告。

功能与用途

当手头积累了大量来自不同格式的杂乱文件——比如混合了代码文件、技术文档、PDF 论文以及设计截图的文件夹时,想要快速理清脉络往往费时费力。该工具提供了一键式的本地图谱构建方案,兼具代码的语法树静态分析和非代码文本/图像的语义抽取。它会自动将多源材料串联起来,进行社区聚类并生成带置信度追踪的知识网络,最终产出可直观浏览的交互式 HTML 图表、GraphRAG 检索数据及白话版架构报告。

适用场景

  • 陌生代码库架构全景梳理:接入新项目时,通过语法树解析快速提炼各模块间调用依赖,生成全局认知图。
  • 杂乱文献与笔记交叉关联分析:将论文、截图和碎片笔记一并输入,借助图聚类发现不同文档隐藏的概念脉络。
  • 知识资产导出至图数据库与GraphRAG:将提取的实体与带审计标记的关系导出为Cypher或结构化JSON,赋能图谱问答。

适用人群

  • 接手陌生复杂代码库需要快速理清模块调用的研发工程师
  • 拥有大量文献、笔记与截图需要梳理概念关联的科研人员与学生
  • 搭建本地 GraphRAG 知识检索增强系统的 AI 应用开发者

使用步骤

  1. 运行检测命令扫描指定路径下的代码、文本和图像文件分布情况
  2. 并行执行代码 AST 静态抽取与非代码文件的多模型语义关系抽取
  3. 合并图节点与边关系,执行图聚类算法并自动计算社区凝聚度
  4. 由模型对各个社区打上直观的主题标签并生成结构化诊断报告
  5. 输出可直接在浏览器查看的 HTML 图谱或导入 Obsidian 体验双链与 Canvas 视图

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
知识
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
进阶
版本
main
最近更新
2026-09-23
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

any input (code, docs, papers, images) → knowledge graph → clustered communities → HTML + JSON + audit report

依赖与权限

  • GRAPH_REPORT
  • INPUT_PATH
  • 读取用户主动提供的内容

同类 Skill