用 LLM 把非结构化文本抽取成结构化知识，一条命令即可生成图、超图以及时空信息，适合搭建知识图谱和 RAG 数据管线。

YOLOv13 的官方实现，用超图增强的自适应视觉感知提升实时目标检测精度，适合需要落地部署检测模型的场景。

OpenCog 的超图数据库与图重写系统，用超图结构存储知识并支持模式匹配和逻辑推理，适合构建知识图谱和认知计算应用。

用 Python 实现语义超图的基础库，把知识表示成可计算的超图结构，适合做知识库、认知建模和自然语言理解等需要表达多元关系的场景。

Cleora 是面向异构关系数据的通用嵌入学习模型，能高效、可扩展地生成稳定且支持归纳的实体嵌入，适合图与超图场景。