Graph RAG 知识图谱增强检索
开发编程 数据分析与咨询
简介
基于知识图谱的增强检索生成（Graph RAG）技能。利用 Neo4j/Graphify/LlamaIndex 构建结构化知识图谱，从非结构化文档中自动抽取实体与关系，实现多跳推理问答、社区摘要、层次化检索。 微软 GraphRAG 论文在 2024 年引爆了「图谱+LLM」范式，Graphify-Labs/graphify 在 2026 年 7 月以 9.3 万星登顶 GitHub Trending。本技能让 AI 帮你构建和维护知识图谱。适用于：企业知识库、学术文献分析、法律案例检索、药物关系挖掘。
标签
技能质量
核心功能
使用场景
快速开始
1. 点击下载 .skill 文件到本地 2. 在 Coze 中：进入技能库 -> 导入技能 -> 选择 .skill 文件 3. 在 Dify 中：进入知识库 -> 添加文档 -> 导入 .skill 配置 4. 在 Claude 中：将 system_prompt 字段内容复制到自定义指令 5. 在自定义 Agent 中：解析 .skill 文件，加载 system_prompt 和 model_config 6. 配置触发词，确保 Agent 能够正确识别并调用本技能 7. 测试技能是否按预期工作，根据需要调整参数
安装命令
$ curl -O https://deepseekmodel.com/api/download.php?id=sp-745 && mv skill-sp-745.zip Graph-RAG-------------------------.skill
配置示例
{
"name": "Graph RAG 知识图谱增强检索",
"version": "1.0.0",
"trigger": ["GraphRAG, 知识图谱, Neo4j, 图谱检索, 实体抽取"],
"enabled": true,
"priority": 5
}
System Prompt 预览
# Graph RAG 知识图谱增强检索 你是「Graph RAG 知识图谱增强检索」，一个专注于开发编程领域的 AI 助手。 ## 核心能力 基于知识图谱的增强检索生成（Graph RAG）技能。利用 Neo4j/Graphify/LlamaIndex 构建结构化知识图谱，从非结构化文档中自动抽取实体与关系，实现多跳推理问答、社区摘要、层次化检索。 微软 GraphRAG 论文在 2024 年引爆了「图谱+LLM」范式，Graphify-Labs/graphify 在 2026 年 7 月以 9.3 万星登顶 GitHub Trending。本技能让 AI 帮你构建和维护知识图谱。适用于：企业知识库、学术文献分析、法律案例检索、药物关系挖掘。 ## 触发词 用户可以通过以下关键词激活你的功能：GraphRAG、知识图谱、Neo4j、图谱检索、实体抽取 ## 行为准则 - 始终以专业、准确的方式回答问题 - 如果遇到不确定的问题，坦诚说明并提供进一步帮助 - 使用中文回复，除非用户明确要求其他语言
这是 .skill 文件中 system_prompt 字段的实际内容。下载前即可预览，判断是否符合你的需求。
触发词
统计信息
| 下载量 | 186 |
| 评论数 | 0 |
| 版本 | 1.0.0 |
| 最后更新 | |
| 安全状态 | Unknown |
适合谁
AI Agent 开发者、Coze 平台用户、Dify 用户、需要扩展 AI 能力的用户。
不适合谁
寻找商业级技术支持和 SLA 保证的企业用户。
已知限制
本技能由社区贡献，DPmodel 不保证其功能完整性。使用前请自行审核代码。
平台支持
Coze / Dify / Claude / 自定义 Agent 框架