Eine AI agent Skill für die nahtlose Schnittstelle zu TigerGraph-Datenbanken, um erweiterte GSQL-Abfragen auszuführen, Graphdaten stapelweise zu laden und Hochleistungsalgorithmen auszuführen.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install knowledge-graph-tigergraph-connector
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, knowledge-graph-tigergraph-connector über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist TigerGraph Connector?
Der TigerGraph Connector ist eine spezialisierte Fähigkeit, die entwickelt wurde, um KI-Workflows mit hochleistungsfähigen verteilten Graphdatenbanken zu verbinden. Durch den Einsatz dieser Skill im Openclaw Skills-Ökosystem können Entwickler und AI agents enorme Knowledge Graphs in Unternehmensgröße in Echtzeit abfragen, bearbeiten und analysieren.
Aufbauend auf dem offiziellen pyTigerGraph SDK und REST++ APIs ermöglicht diese Skill agents die direkte Interaktion mit GSQL (Graph Search Query Language)-Schemata, die Ausführung komplexer Multi-Hop-Traversierungen und den Abruf hochoptimierter strukturierter Antworten. Dies macht es zu einem unschätzbaren Vorteil für KI-gesteuerte semantische Suche, Betrugserkennung, Empfehlungs-Engines und tiefgehende Analyseanwendungen.
TigerGraph Connector Anwendungsfälle
- Echtzeit-Graph-Analyse: Führen Sie leistungsintensive Algorithmen wie PageRank, Community Detection und den kürzesten Pfad direkt von Ihrem LLM agent aus.
- Unternehmenswissensmanagement: Pflegen Sie eine dynamische Graphdarstellung von Unternehmensvermögenswerten, Beziehungen und Taxonomien mithilfe skalierbarer Openclaw Skills.
- Strukturierte Datenaufnahme: Automatisieren Sie das Massenladen von Vertices und Edges aus relationalen Datenbanken oder rohen CSV-Quellen mithilfe automatisierter Workflows.
- Mustervergleich und Traversierung: Führen Sie Multi-Hop-Traversierungen durch tief verschachtelte relationale Strukturen aus, um verborgene Verbindungen oder Erkenntnisse zu finden.
So funktioniert TigerGraph Connector
- Verbindung herstellen: Der agent initialisiert den Connector mithilfe konfigurierbarer Parameter wie host, restpp_port, graph_name und API tokens.
- Schema-Introspektion und -Abgleich: Der Connector bewertet die Vertex- und Edge-Definitionen der Ziel-TigerGraph-Datenbank, um die strukturelle Konformität sicherzustellen.
- Abfragevorbereitung und -versand: Die Skill übersetzt Benutzerabsichten in präzise, optimierte GSQL-Abfragen oder nutzt bestehende vorkompilierte Abfrage-Endpunkte.
- Datenoperationen und -verarbeitung: Daten werden dynamisch über transaktionale REST++-Updates oder CSV-Batch-Loader gelesen, eingefügt oder aktualisiert.
- Ergebnisserialisierung: Die resultierende Graphtopologie oder Analyseausgabe wird für die Verarbeitung wieder in saubere, Python-freundliche JSON-Dictionaries strukturiert.
TigerGraph Connector Einrichtung
Um diese Skill in Ihrer Umgebung zu konfigurieren, installieren Sie die erforderlichen Abhängigkeiten und initialisieren Sie die Verbindungskonfigurationen. Stellen Sie sicher, dass Sie das Openclaw Skills-Framework für eine nahtlose Integration verwenden.
Installation
Installieren Sie die erforderlichen Python-Pakete:
pip install pyTigerGraph requests
Verbindungskonfiguration
Einrichten Ihrer TigerGraph-Anmeldeinformationen in Ihrem Skill-Ausführungskontext:
{
"host": "http://localhost",
"restpp_port": 9000,
"graph_name": "MyGraph",
"api_token": "your-api-token",
"timeout": 30,
"retry_count": 3
}
TigerGraph Connector Datenschema & Taxonomie
Der TigerGraph Connector organisiert Metadaten und operative Payloads über strukturierte Vertices, Edges und Verbindungsschemata:
Verbindungs-Parameterschema
| Parameter | Typ | Standard | Beschreibung |
|---|---|---|---|
| host | String | Required | Server-URL der TigerGraph-Instanz. |
| restpp_port | Integer | 9000 | Port für die REST++-Endpunkte. |
| graph_name | String | Required | Name des Ziel-Graph-Bereichs. |
| api_token | String | Required | Autorisierungs-Token für API-Aktionen. |
| timeout | Integer | 30 | Anforderungs-Timeout-Intervall in Sekunden. |
| retry_count | Integer | 3 | Maximale Wiederholungsversuche bei Netzwerkausfällen. |
Graph-Datenstrukturformat
Stellen Sie beim Schreiben von Vertex- oder Edge-Eigenschaften sicher, dass die Payload-Strukturen den folgenden JSON-Formatschemata entsprechen:
Vertex-Einfügungs-Payload
{
"vertices": {
"Person": {
"alice": {
"name": "Alice",
"age": 30,
"email": "[email protected]"
}
}
}
}
Edge-Einfügungs-Payload
{
"edges": {
"Person": {
"alice": {
"KNOWS": {
"Person": {
"bob": {
"since": "2020-01-15"
}
}
}
}
}
}
}
TigerGraph Connector Erweiterte Funktionen
- Vorkompilierte Abfrageleistung: Maximieren Sie die Antwortgeschwindigkeiten durch den Aufruf vorinstallierter und kompilierter Abfragen auf der Datenbank, ein sehr empfohlenes Muster für Openclaw Skills-Benutzer.
- Integrierte algorithmische Bibliothek: Lösen Sie leistungsstarke Algorithmen wie Louvain Community Detection oder PageRank mit einfachen API-Ausführungen direkt aus.
- Durchsatzstarke Batch-Loader: Unterstützung für das Laden direkt aus physischen CSV-Dateien oder die Verwendung verteilter Batch-Inserts für extreme Datenskalen.
- Robuste Fehlerbehandlung: Sofort einsatzbereites exponentielles Backoff-Retry, Verbindungsvalidierungsschichten und Timeout-Optimierung für komplexe Analyseläufe.
SKILL.md
Laden
Verwandte Openclaw-Skills
Knowledge Graph Constraint Generator
Erstellt automatisch Struktur-, Semantik- und Eigenschaftsbedingungen, um die Datenintegrität für RDF/OWL-Ontologien und Property-Graph-Modelle zu erzwingen.
Wissensgraph-Schema-Generierung
Eine automatisierte KI-Fähigkeit, die unstrukturierte Domänenbeschreibungen in natürlicher Sprache in maschinenlesbare Graph-Schemata, Eigenschaften und Ontologien übersetzt.
Think Like a Monk
Ein AI Agent Skill basierend auf Jay Shettys Think Like a Monk, der praktisches Mindfulness, Dharma-Entdeckung und tägliche Routinen direkt in Ihre automatisierten Workflows integriert.
Graph Schema Validation
Eine robuste Validierungs-Skill, um sicherzustellen, dass Knowledge Graphs, Ontologien und Property Graphs strikt definierten Schemas und Geschäftsregeln entsprechen.
The Wretched of the Earth AI Agent Skill
Eine Experten-KI-Skill, die Frantz Fanons tiefgreifendes philosophisches und psychologisches Framework zu Dekolonisierung und postkolonialer Theorie implementiert.
The Warmth of Other Suns: Great Migration AI Companion
Ein KI-gestützter historischer Begleiter, der Benutzer durch Isabel Wilkersons epischen Bericht über die Great Migration in den USA führt.
Animation Script Master
Animation Script Master ist ein professionelles, AI-gestütztes Storyboarding-Tool, das die 12 Animationsprinzipien von Disney nutzt, um Benutzer bei der Erstellung hochstrukturierter, visuell konsistenter Skripte für die AI-Videogenerierung zu unterstützen.
Hervorgehoben*
