前言¶
項目裏的說明、代碼和 PDF 越積越多，靠全文搜索很難看出概念之間的關係。手工畫腦圖或往圖數據庫裏灌數據，要麼維護成本高，要麼要單獨搭一套工具鏈。下面介紹 SkillHub 上的社區 Skill「通用知識圖譜構建器」：在 Agent 裏按固定流程檢查環境、掃描文檔、調用 LLM 抽取圖譜，並生成本地可雙擊打開的 HTML 頁面。
這是什麼¶
通用知識圖譜構建器（座標 @user_19a6d235/knowledge-graph-builder，當前版本 1.0.6，來源 community，分類 knowledge-management）由發佈者 user_19a6d235 維護。它是一套基於通用 SKILL.md 的 Agent 工作流，不是獨立桌面應用：啓用後由 Agent 按文檔執行 Bash、讀寫文件，把「文檔目錄 → 知識圖譜 → 靜態頁面」串成可復現步驟。
官方簡介概括爲四步：檢查環境 → 分析文檔 → 構建知識圖譜 → 生成交互式 HTML 頁面。支持對任意目錄下的 Markdown、代碼、PDF、圖片等做分析；LLM 側走 OpenAI 兼容 API，配置可寫入本地文件並在後續構建中複用。SkillHub 標籤標明 requires_api_key=true，使用前需自備 API Key 與端點。
核心功能¶
環境與依賴¶
- 校驗 Python 3.10+，必要時按平臺給出安裝指引。
- 檢測系統或環境變量中的代理；若存在代理，後續執行 graphify 相關命令時可配合
NO_PROXY="*"，避免 httpx 與系統代理衝突（Skill 文檔中說明了常見報錯場景）。 - 在
~/.knowledge-graph-builder/venv創建或複用虛擬環境，安裝固定版本依賴：graphifyy 0.7.13、openai 2.36.0。 - 將 LLM 的 Base URL、API Key、模型名寫入
~/.knowledge-graph-builder/env.sh（權限600），並通過一次連通性請求驗證配置。
文檔分析與用戶確認¶
對目標目錄做文件類型統計（如 md、代碼、pdf、圖片、txt 等），估算 token 規模與推薦 token budget、是否開啓聚類（節點少於 20 時默認建議 --no-cluster）。在真正調用構建 API 之前，Skill 要求展示分析報告與費用粗算，並等待用戶明確確認；用戶也可選擇僅生成空頁面或取消。
圖譜構建¶
通過內聯 Python 腳本調用 graphify 的 extract 子命令，對 OpenAI 後端做 base_url 的 monkey-patch，以適配 DeepSeek、OpenAI 等兼容服務。產出寫在文檔目錄下的 graphify-out/graph.json，包含節點、邊及 token 統計；構建前另有配置摘要確認檢查點。
交互式 HTML¶
讀取 Skill 包內的 template.html，將標題佔位符 {{TITLE}} 與圖譜 JSON 佔位符 {{GRAPH_JSON}} 替換後，寫出 <知識庫名稱>-知識圖譜.html。頁面內聯 D3.js v7，圖譜數據內聯在單文件中，本機雙擊即可瀏覽；字體依賴 Google Fonts，無網時會回退到系統等寬字體。
增量更新¶
當用戶表達「更新/刷新知識庫」等意圖時，Skill 會檢測 graphify-out 與 .knowledge-graph-history/last_build.json，對比新增/刪除文件，在增量更新與全量重建之間讓用戶選擇，並複用已有 env.sh 配置。
觸發方式¶
除自然語言外，官方列出的觸發詞包括：知識圖譜、建知識庫、知識庫頁面、graphify、生成知識庫、文檔圖譜化、知識管理、知識庫工具。示例話術如「把我的文檔做成知識庫」「生成知識圖譜」等。
安裝與啓用¶
SkillHub 頁面給出的安裝方式是：讓 Agent 閱讀 SkillHub 安裝說明，並安裝座標 @user_19a6d235/knowledge-graph-builder。
若本機已有 skillhub CLI，安裝時需用 --dir 指向當前 Agent 的 skills 目錄，否則默認裝到 ./skills/ 可能不會被識別。官方文檔中的常用路徑示例：
| Agent / 客戶端 | skills 目錄（示例） |
|---|---|
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ 或項目下 .agents/skills/ |
命令行安裝示例（將 <skills 目錄> 換成你環境中的實際路徑）：
skillhub install knowledge-graph-builder --namespace user_19a6d235 --dir <skills 目錄>
首次使用 CLI 可按 skillhub.cn/install/skillhub.md 檢查或安裝 skillhub 本身。Skill 聲明允許使用的工具爲 Bash、Read、Write、Edit，需在支持 Skill 的 Agent 中啓用。
典型用法¶
經過上面的安裝步驟後，在對話中說明意圖即可，Agent 會按 Skill 從 Step 0 開始收集信息。
1、準備輸入
- 提供文檔目錄的絕對路徑（可選：知識庫顯示名稱）。
- 若尚未配置 LLM，需提供 OpenAI 兼容的 Base URL（需以
/v1結尾）、API Key、模型 ID（如 DeepSeek 或 OpenAI 系列）。若~/.knowledge-graph-builder/env.sh已存在，可跳過重複詢問。
2、確認分析報告
Agent 展示目錄內文件分佈與預估 token、推薦 budget 與聚類策略後，回覆「繼續」纔會進入構建；可說「調整參數」或「取消」。
3、構建與打開頁面
確認構建配置後，在文檔父目錄執行 graphify 抽取；成功後得到 graphify-out/graph.json 與同目錄或工作區內的 *-知識圖譜.html。本機使用可直接雙擊 HTML；內網共享可用：
cd <頁面所在目錄> && python3 -m http.server <端口>
4、文檔變更後
說明「更新知識庫」等，走增量流程：對比文件變更，選擇增量或全量重建，HTML 會覆蓋更新。
典型 LLM 配置會寫入如下結構（值爲用戶實際填寫）：
# ~/.knowledge-graph-builder/env.sh
LLM_BASE_URL="https://api.deepseek.com/v1"
LLM_API_KEY="sk-..."
LLM_MODEL="deepseek-v4-flash"
適用場景與注意¶
適合誰： 想把本地或倉庫內的技術文檔、產品說明、論文 PDF、代碼註釋等整理成可瀏覽的概念關係圖，且願意用自有 LLM API 完成抽取；需要單文件 HTML 分發、離線查看圖譜（不部署 Neo4j 等圖數據庫）的團隊或個人。
限制與注意：
- 必須配置有效的 OpenAI 兼容 API；構建過程會產生按 token 計費的開銷，Skill 在檢查點會做粗算，實際以服務商賬單爲準。
- 依賴本機 Python 3.10+ 及 pip 安裝 graphifyy；網絡受限環境需自行處理代理（見 Skill 常見問題）。
- 大目錄或限流（HTTP 429）時可能需要降低併發（如
--max-concurrency 2）或調整 token budget；若graph.json節點數爲 0，需按 Skill 排查 Key、URL、模型名與文檔格式。 - SkillHub 元數據：評分 100000，下載 2023（以 SkillHub 頁面抓取爲準）；與個別轉載線索中的數字不一致時，以商店頁爲準。
結尾¶
通用知識圖譜構建器把「環境檢查、文檔掃描、graphify 抽取、D3 頁面打包」寫進一套 Agent 可執行流程，適合從雜亂文件夾快速得到可交互的知識圖譜 HTML，並在文檔迭代時做增量更新。官方 Skill 頁與安裝座標：
- SkillHub：https://www.skillhub.cn/skills/user_19a6d235/knowledge-graph-builder
- API 資源頁：https://api.skillhub.cn/user_19a6d235/knowledge-graph-builder
