知识图谱建模
给出企业系统表结构或本地文件目录,产出本体模型文件或知识图谱与扫描评审报告。
功能与用途
企业里同一批数据分散在多个系统、命名还不统一,或者个人电脑里堆了大量文档说不清彼此关系时,靠人工梳理基本做不到。这个能力先用脚本做机械提取,再由 AI 做语义判断,把现有数据中隐含的业务模型显式抽出来,输出成可直接给 Agent 当事实底座的文件。全程不联网、不调用外部 API,扫描范围必须经用户逐项确认。
适用场景
- 多源系统数据模型治理:扫描 SQL DDL 与字典表格,自动对齐跨业务系统命名差异并合并生成企业本体模型。
- 个人本地知识网络构建:对本地各类文档建立索引,经确认后抽取核心实体与关联关系,导出图谱数据文件。
- 智能体事实底座落地:把零散资料显式建模为图谱与结构规范,为 AI Agent 提供防幻觉的结构化知识底座。
适用人群
- 企业数据架构师
- 做 Agent 事实库的 AI 应用开发者
- 为甲方做数据资产盘点的咨询顾问
使用步骤
- 说明要处理的对象:是数据库表结构/数据字典,还是本地或云端的文件目录,还是别人的数据空间。
- 先运行扫描脚本,拿到文件优先级清单和扫描报告。
- 逐项把文件夹标成重点、普通或忽略,确认后才会进入内容分析。
- 等 AI 完成实体识别、属性抽取和跨来源合并,生成图谱文件或本体文件。
- 对照评审报告核对命名、关系和有疑问的地方,需要时再补充设定重跑。
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。
技术信息
- 分类
- 知识
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-09-11
- 文件数
- 20
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
>-
使用前准备
- 需 python3 环境并安装 python-docx、PyMuPDF、openpyxl、xlrd、python-pptx、Pillow、pyyaml
- .doc 转换需 libreoffice 或 Word
- 无需外部 API Key。
依赖与权限
- 读取用户主动提供的内容