graphify

name	graphify
version	1.0.0
description	从红龙产品目录、客户对话、市场调研中构建知识图谱，发现隐藏关联、交叉销售机会和竞争洞察。
triggers	["构建知识图谱","分析客户关系","竞争格局图谱","graphify"]

graphify — 红龙知识图谱技能

Skill Graph： 领域 → [[_index-intelligence|情报与知识领域]]

从红龙产品目录、客户对话、市场调研中构建知识图谱，发现隐藏关联、交叉销售机会和竞争洞察。 基于 graphify 库，适配红龙工业皮带设备销售场景。

---

触发场景

触发	说明
手动："构建产品知识图谱"	全量构建产品关联图
手动："分析客户关系"	从 ChromaDB + CRM 构建客户图谱
手动："分析竞争格局"	从 Supermemory 竞品情报构建竞争图
Cron（可选）：每周重建	lead-discovery 更新后重建图谱

---

核心概念

节点（Node）    — 产品、公司、人、市场
边（Edge）      — 关系：卖给/买自/竞品/同类/替代
社区（Community）— 紧密关联的节点群
神节点（God Node）— 连接数最多的核心产品

---

图谱类型

1. 产品知识图谱

输入：honglong-products 知识库 + NAS 产品目录

用途：

• 找到核心产品（God Nodes）→ 冷启动优先推这些
• 发现非显而易见交叉销售路径 → "买 X 的客户通常也需要 Y"
• 产品家族 → 打包定价机会

构建：

import json
from pathlib import Path

# 读取红龙产品知识库
product_files = list(Path("~/.hermes/skills/acquisition/honglong-products/").rglob("*.md"))
# 产品节点：型号、分类、规格、认证、目标市场
# 边关系：同家族 / 同认证 / 同目标市场 / 互补 / 替代

# 输出
- nodes: X 个产品
- edges: Y 条关系
- communities: 产品家族数
- god_nodes: 连接数最多的 5 个产品

销售行动：

图谱发现	销售动作
God Node = 风冷三代机	冷启动优先推这个
交叉销售：分层机 → 导条机	报价时一起推
社区 = 欧式分层机系列	打包定价
孤岛节点（无连接）	补充产品关联信息

---

2. 客户情报图谱

输入：

• ChromaDB 对话历史（chroma:recall）
• 孚盟MX CRM 数据
• Supermemory 研究资料（memory:search）

用途：

• 按行为聚类客户 → 针对不同群制定培育策略
• 找桥节点（连接不同行业的客户）→ 推荐来源
• 发现孤立节点（无跟进）→ 激活停滞线索

构建：

# 提取关系
companies → employees（决策人）
companies → products（购买/询价过）
companies → companies（同行业/同地区/竞品）
people → people（推荐关系）
deals → products, timelines, objections

# 输出
- 客户总数 / 节点
- 行业分布（社区）
- 活跃客户 / 停滞客户
- 推荐路径

销售行动：

图谱发现	销售动作
巴西客户集群	批量发葡萄牙语开发信
"桥节点"客户：同时有矿业和物流业务	请他推荐
孤立节点：6个月无跟进	WhatsApp 激活
热图：某产品被多个客户询价但未成交	分析阻力点

---

3. 市场研究图谱

输入：

• Supermemory 中的竞品情报（memory:search "Beltwin"）
• HEARTBEAT 线索发现结果
• 海关数据（特易）

用途：

• 竞品 → 产品/价格/市场覆盖
• 市场 → 趋势/法规/展会
• 客户 → 竞品（他们还从谁那里买）

构建：

# 提取
competitors → products, pricing, markets
markets → trends, regulations, trade_events
customers → competitors they also buy from
regions → seasonal demand patterns

# 输出
- 竞品覆盖热力图
- 市场优先级（god nodes = 最多客户机会）
- 季节性规律

---

图查询命令

构建完图谱后，可运行时查询：

# 广度优先（宽泛上下文）
python3 -m graphify query "巴西 传送带加工" --budget 1500

# 深度优先（追溯关系链）
python3 -m graphify query "Beltwin 客户 巴西" --dfs --budget 1000

使用场景：

场景	查询
客户问产品问题	查询产品图谱
准备报价	找交叉销售机会
冷启动触达	从市场图谱了解客户背景

---

输出格式

产品图谱报告

产品知识图谱：
- X 个节点 · Y 条边 · Z 个社区

核心产品（God Nodes）：
1. [三代风冷机] — 12 个连接
2. [欧式分层机] — 9 个连接
3. ...

交叉销售机会：
- [分层机] ↔ [导条机] [置信度 0.85]
- [水冷机] ↔ [矿山行业] [置信度 0.72]

知识盲区：
- [某产品] 无认证信息 → 建议补充

建议：更新产品知识库中 [X] 的认证信息

客户图谱报告

客户关系图谱：
- X 个客户节点 · Y 条关系

行业分布：
- 矿业：X 家
- 物流：X 家
- 制造业：X 家

推荐路径：
- Belttech → Transbelt（同一地区，矿业客户）

停滞客户（>90天无跟进）：X 家
建议：批量发送激活消息

---

重建策略

图谱	重建频率	触发条件
产品图谱	按需	honglong-products 更新时
客户图谱	每周	ChromaDB + CRM 快照
市场图谱	每日	HEARTBEAT 线索发现输出后

---

与其他技能的关系

技能	如何配合 graphify
lead-discovery	查询市场图谱后再搜索 → 定位更精准
quotation-generator	查询产品图谱 → 报价时包含关联产品
chroma-memory	输入对话数据 → 构建客户情报图谱
supermemory	输入研究资料 → 构建市场研究图谱
sdr-humanizer	图谱上下文 → 更相关的个性化对话
HEARTBEAT	图谱驱动停滞客户激活推荐

---

快速测试

# 测试 graphify 是否可用
python3 -c "import graphify; print('ok')" 2>/dev/null || echo "need install"

# 构建产品图谱
python3 -c "
from pathlib import Path
from graphify.extract import collect_files, extract
from graphify.build import build
products = list(Path('~/.hermes/skills/acquisition/honglong-products/').rglob('*.md'))
print(f'Found {len(products)} product files')
"

---

输出目录

图谱数据存储在 ~/.hermes/skills/acquisition/graphify-out/

graphify-out/
├── products-graph.json      # 产品图谱数据
├── products-graph.html       # 可视化 HTML（分享给老板）
├── customers-graph.json      # 客户图谱数据
├── market-graph.json        # 市场图谱数据
└── GRAPH_REPORT.md          # 最新图谱报告