最近发现一个开源项目，可以用大模型轻松地对本地资料构建知识图谱。
可视化的方式，清晰展示了资料中的核心概念，以及概念之间的关系。
知识图谱算是一种降维分析，把一堆文本内容凝聚在一张关系图中，能让你对整个资料有全局把握。了解某个概念（节点）对整个资料的重要性，理解看似不相关的概念之间的联系。
最牛逼的是可以实现图检索增强（GRAG），通过知识图谱改进检索，从而让知识库助手回答得更准。
微软最近爆火的开源项目 GraphRAG 就是这么回事。
用大模型构建知识图谱总共分三步，
- 对于每个文本块，使用 LLM 提取概念及其语义关系
资料分块用的是 LangChain，对目录下不同格式、多个文件进行分割，转成 DataFrame 格式数据。
用封装好的 df2Graph 类，调用大模型，将 DataFrame 中的文本片段转成图结构的数据。
参数 model 是使用的大模型名称，这里需要填本地 Ollama 中已经安装的模型。我们之前介绍过 Ollama ，可以直接在自己电脑上运行大模型，这样构建知识图谱不会产生额外费用。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
