☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
kimi可通过三类prompt将零散笔记转为知识图谱：一、分层语义提取，强制输出【实体a｜关系｜实体b】格式三元组；二、角色扮演式，设定“教育知识工程师”角色，限定关系类型与实体来源；三、分步迭代式，分三轮完成实体识别、关系初筛与逻辑校验。
如果您希望将零散的学习笔记转化为结构清晰、逻辑关联的知识图谱，kimi 可以通过特定的 prompt 指令实现自动化整理。以下是实现该目标的多种方法：
一、构建分层语义提取Prompt
该方法通过引导Kimi逐层识别概念、属性与关系，确保输出符合知识图谱所需的三元组（主体-谓词-客体）结构。核心在于强制模型区分“实体”“关系类型”和“上下位层级”，避免自由生成冗余描述。
1、在Kimi输入框中粘贴原始笔记文本，前置指令为：请严格按以下格式提取：每行一个三元组，格式为【实体A｜关系｜实体B】；仅保留学科内真实存在的概念性关系，删除举例、修饰语、连接词；若存在层级关系，用“是…的一种”表达；不添加任何解释性文字。
2、提交后检查输出是否全为竖线分隔的纯三元组，如【光合作用｜发生在｜叶绿体】、【叶绿体｜是…的一种｜细胞器】。
3、将结果复制至CSV文件，首行为“主体,谓词,客体”，导入Neo4j或Obsidian Graph视图进行可视化。
二、使用角色扮演式结构化Prompt
该方法将Kimi设定为“教育知识工程师”，赋予其明确的任务边界与校验机制，减少幻觉输出，提升术语一致性与关系准确性。
1、输入指令：你是一名教育知识工程师，任务是将以下学习笔记重构为可导入知识图谱工具的标准化数据。要求：①所有实体必须来自笔记原文，不可新增；②关系类型仅限于：定义为、属于、包含、导致、依赖、应用于、对比于；③每个实体首次出现时标注类型，格式为【实体名（类型）】；④输出仅含表格，表头为“主语｜谓语｜宾语｜主语类型｜宾语类型”。
2、粘贴笔记后等待响应，确认表格中无空值、无重复行、类型字段非空。
使用 Moonshot Kimi API 的 $web_search 内置工具进行联网搜索。当需要进行网络搜索获取实时信息时使用，支持中文和英文搜索查询。需要配置 MOONSHOT_API_KEY。
3、用Excel筛选“主语类型”列，提取全部“概念”类实体，单独保存为节点清单；再以“谓语”列值为边标签，构建边清单。
三、分步迭代式图谱生成Prompt
该方法适用于长篇笔记或跨章节内容，通过三次交互分别完成实体识别、关系初筛、逻辑校验，降低单次处理的信息过载风险。
1、首轮指令：请列出以下文本中所有独立学科概念（不含修饰词、动词短语、人名、日期），每个概念独占一行，不编号、不加标点。
2、将首轮输出的概念列表作为新输入，追加指令：对以下概念列表，两两判断是否存在直接学科逻辑关系。仅输出存在关系的组合，格式为【概念A - 关系类型 - 概念B】，关系类型从以下选：上位类、下位类、组成部件、数学推导前提、实验验证对象、历史发展先后。
3、将第二轮输出的关系列表再次输入，追加指令：检查以下关系对：若A-B为“上位类”，则B-A不得同时存在；若A-B为“组成部件”，则A必须为系统级概念；删除所有违反上述规则的行，仅保留合规关系。
