ai提示词是构建交互式知识图谱的关键，需用明确格式（如【实体1】|【关系】|【实体2】）提取三元组，再经清洗、去重、标准化后导入工具生成可视化图谱。
☞☞☞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☜☜☜
你想把零散的文档、笔记或网页内容自动变成一张能点击、拖拽、筛选的交互式知识网络，而不是手动画图或整理表格？AI提示词就是启动这个过程的钥匙，它决定大模型能否准确识别出“谁做了什么”“什么属于什么”“哪件事导致了哪件事”——这些正是知识图谱的底层三元组。
第一步：设计能榨出三元组的提示词
不要写“请提取知识点”，这种模糊指令会让模型自由发挥，结果全是概括性语句。必须锁定输出格式为(subject, predicate, object)结构。
方法一：用明确分隔符+强制字段名
输入示例：“特斯拉由埃隆·马斯克于2003年创立，总部位于美国加州帕洛阿尔托。”
提示词写成：请严格按以下格式提取所有知识三元组，每行一个，不得添加任何解释、序号或额外字符：【实体1】|【关系】|【实体2】。例如：【特斯拉】|【创始人】|【埃隆·马斯克】。现在处理这段文本：
方法二：用Few-shot示例锚定行为
在提示词开头直接给2～3个真实样例，且样例要覆盖不同关系类型（如“创立”“位于”“生产”），模型会模仿格式而非语义。注意：样例中的实体名必须与待处理文本一致，否则模型可能擅自改写名称，导致后续图谱节点无法对齐。
【关键前提】所有输入文本必须是纯中文，不含英文括号、斜杠或特殊符号；若原文含英文术语（如“LLM”），需在提示词中明确要求保留原写法，否则模型可能翻译成“大型语言模型”造成节点分裂。
第二步：批量喂入文本并清洗输出
把整理好的提示词+文本丢给大模型API（如Qwen、GLM或本地部署的Phi-4），获取原始响应。
第一步：用正则过滤非三元组行
执行命令：grep -E '^【.*】|.*\|.*\【.*】$' output.txt > clean_triples.txt
这一步跳过所有带“例如”“注意”“共提取”字样的说明行，只保留有效三元组。
第二步：去重并标准化实体名
运行Python脚本：
python dedup_entities.py --input clean_triples.txt --output final_triples.csv
该脚本会合并“特斯拉汽车”“Tesla”“特斯拉”为统一ID，并修正大小写、空格、标点不一致问题。若跳过此步，图谱里会出现5个“北京”，分别叫“北京市”“北京 ”“beijing”“BJ”“北京(首都)”。
第三步：导入图谱工具生成可视化页面
① 打开AI-Knowledge-Graph项目根目录
② 将final_triples.csv重命名为triples.csv，放入data/文件夹
③ 运行：python generate-graph.py --input data/triples.csv --output my_kg.html
④ 用Chrome双击打开my_kg.html，即可看到带物理引擎、主题切换和节点筛选的交互图谱。
这一步操作起来很简单，直接把文件拖进去就行。但注意：CSV文件第一行必须是header，且列名严格为subject,predicate,object（小写，英文逗号分隔），否则脚本会报错退出且不生成HTML。
