摘要
在确定了思路之后，开整。
你能帮我生成一个知识图谱吗，等一下我会给你一篇文章，帮我从内容中提取关键要素，然后以 nGQL 代码的形式构建知识图谱
在跟 DeepSeek 打好招呼之后，从网上捞一篇文章，这里用的是：如何评价开源图数据库 Nebula Graph？内容直接往上贴，简单粗暴。
# Schema定义（TAG类型）CREATE TAG IF NOT EXISTS product(name string, description string);CREATE TAG IF NOT EXISTS company(name string);CREATE TAG IF NOT EXISTS feature(name string);CREATE TAG IF NOT EXISTS tool(name string);CREATE TAG IF NOT EXISTS scenario(name string);CREATE TAG IF NOT EXISTS language(name string);CREATE TAG IF NOT EXISTS auth_service(name string);CREATE TAG IF NOT EXISTS ecosystem(name string);# Schema定义（EDGE类型）CREATE EDGE IF NOT EXISTS has_feature();CREATE EDGE IF NOT EXISTS used_by();CREATE EDGE IF NOT EXISTS provides_tool();CREATE EDGE IF NOT EXISTS supports_language();CREATE EDGE IF NOT EXISTS applicable_scenario();CREATE EDGE IF NOT EXISTS compatible_with();CREATE EDGE IF NOT EXISTS supports_auth();CREATE EDGE IF NOT EXISTS integrates_with();# 数据插入 - 核心产品INSERT VERTEX product(name, description) VALUES"NebulaGraph":("NebulaGraph", "开源的分布式图数据库，支持千亿点万亿边数据集");# 数据插入 - 产品特性INSERT VERTEX feature(name) VALUES"high_performance":("高性能"),"open_source":("开源"),"scalability":("易扩展"),"flexible_modeling":("灵活数据建模"),"read_write_balance":("读写平衡"),"compatibility":("查询语言兼容性");/* ... 此处省略 n多数据 */
接下来，我会给你另一篇文章。请尽可能使用现有的表结构，对图谱进行融合。如果涉及到表结构变更，请使用 ALTER 进行表结构的修改
只有一篇文章，看起来有些单调。于是从百度百科中，查了下【NebulaGraph】及图中节点【360】的词条，并将概述部分输入，得到以下回应：
NebulaGraph 词条
-- 结构变更1：为product标签增加版本和时间属性ALTER TAG product ADD (license string, current_version string, release_date string, last_updated string);-- 结构变更2：新增开发关系类型CREATE EDGE IF NOT EXISTS developed_by();-- 数据更新 - 补充产品属性INSERT VERTEX product(name, description, license, current_version, release_date, last_updated) VALUES"NebulaGraph":("NebulaGraph", "分布式图数据库", "Apache 2.0", "v3.3.0", "2019-05-15", "2022-11-14");-- 新增开发公司（复用company标签）INSERT VERTEX company(name) VALUES"Yueshu":("杭州悦数科技有限公司");-- 新增特性（复用feature标签）INSERT VERTEX feature(name) VALUES"acl_mechanism":("ACL机制"),"linear_scaling":("线性扩容"),"data_recovery":("数据恢复"),"htap":("HTAP混合负载"),"nGQL_language":("nGQL查询语言");-- 关系建立（复用已有关系类型）INSERT EDGE has_feature() VALUES"NebulaGraph"->"acl_mechanism":(),"NebulaGraph"->"linear_scaling":(),"NebulaGraph"->"data_recovery":(),"NebulaGraph"->"htap":(),"NebulaGraph"->"nGQL_language":();-- 新增开发关系INSERT EDGE developed_by() VALUES"NebulaGraph"->"Yueshu":();
# 结构变更1：为company标签增加创始人、成立时间和收入属性ALTER TAG company ADD (founder string, founded_date string, revenue double);# 结构变更2：新增事件类型TAGCREATE TAG IF NOT EXISTS event(type string, date string, amount double, details string);# 数据更新 - 补充360公司信息INSERT VERTEX company(name, founder, founded_date, revenue) VALUES"360":("奇虎360", "周鸿祎", "2005-09", 116.15);# 数据插入 - 产品生态（复用product标签）INSERT VERTEX product(name) VALUES"360_Security_Guard":("360安全卫士"),"360_Browser":("360安全浏览器"),"360_Cloud":("360安全云");# 数据插入 - 重大事件（使用新增event标签）INSERT VERTEX event(type, date, amount, details) VALUES"acquisition_360.com":("域名收购", "2015-02-04", 1700.0, "1.1亿人民币收购360.com"),"privatization":("私有化", "2015-12", 9300.0, "93亿美元私有化交易");# 关系建立 - 复用developed_by边连接产品INSERT EDGE developed_by() VALUES"360_Security_Guard"->"360":(),"360_Browser"->"360":(),"360_Cloud"->"360":();# 新增事件关联（复用has_feature边表达事件关联）INSERT EDGE has_feature() VALUES"360"->"acquisition_360.com":(),"360"->"privatization":();# 复用used_by边表达合作伙伴关系INSERT VERTEX company(name) VALUES"Internet_Society_China":("中国互联网协会");INSERT EDGE used_by() VALUES"360"->"Internet_Society_China":();
从脚本上看，在当前步骤中，product 表、company 表的字段不够用，DeepSeek 也遵照了我们的指令，在原有基础上做了表结构的修改。有点缺陷的是注释符 -- 不符合语法结构，手动批量替换成 #。
同样执行到数据库中，效果如图：
在以上两步的试验中，基本上确定了 DeepSeek 在图谱生成及知识融合方面已经能够做到很不错的效果。整体输出效率提高但也有花时间的点：服务太火爆，服务器无法响应的问题；另一个花时间的是，schema 是异步生效，两个层次的脚本执行之间，需要有一段等待。
在没有具体文章的情况下，我们要求 DeepSeek 根据给定的主题（农业）生成知识图谱。此时新开了一个对话，也新开了一个图空间。当前任务主要是空手套白狼，啥文章都不给。生成的代码基本上都差不多就不贴了，一会儿直接看效果。
我想要构建一个农业相关的知识图谱。用的数据库是 NebulaGraph，请帮我生成 nGQL 脚本。表名用大驼峰，属性名用小驼峰。为了规避使用到关键字导致语法错误，schema 的名称需要使用``进行包裹。至少需要生成 3000 个节点。
这边碰到的问题是，一次生成 3000 个节点，他拒绝了我的请求，并丢给了我一段 python 导入 csv 的代码。其中这次依然产生了注释符出错的问题，于是单独把这个问题单独拎出来说，
注释需要使用 #，另外我不希望提供出 python 代码，现在也不要求 3000 个节点了。给我 50 个节点的全部 ngql 脚本
果然有问题不憋着，整个人都神清气爽。
#=======================================# 创建图空间#=======================================CREATE SPACE `Agriculture` (vid_type = FIXED_STRING(32));USE `Agriculture`;#=======================================# 定义标签 Schema（大驼峰命名）#=======================================CREATE TAG IF NOT EXISTS `Crop` (`cropId` int,`cropName` string,`growthPeriod` int,`suitableTemp` string,`yieldPerMu` float);/* 此处省略好多脚本 */
请对已经有的数据进行补充，尽可能使得现有数据之间的关联性更强
请帮我将【界门纲目科属种】这些分类组织成图谱
请对现有作物，找出一些轮种的禁忌跟有增益的农作物
请结合图谱中的作物出发组织数据，并按之前的形式，给我一些 nGQL 脚本
聊着聊着，DeepSeek 有点串台了，INSERT 语句使用了 MATCH WHERE INSERT 形式的 cypher 语法。
上述插入语句并不符合 nGQL 语法哦，请再改一改，并重新组织。DDL 放前面，DML 放后面
关于轮作的正负向数据再帮我多生成一些，重点罗列常见的经济作物。
关于轮作的正负向数据再帮我多生成一些，这次主要集中在家常菜
通过上述实验，我们验证了 DeepSeek 在知识图谱构建和融合方面的能力。实验结果表明：
1. 知识提取能力：
DeepSeek 能够高效地从文本中提取关键信息，并生成符合要求的 nGQL 脚本。其语言理解能力较强，能够准确识别实体、关系和事件。
2. 知识融合能力：
在多篇文章的知识融合方面，DeepSeek 表现出色。它能够根据新文章内容对现有图谱进行扩展和更新，确保图谱的完整性和准确性。
3. 无中生有构建图谱：
在没有具体文章的情况下，DeepSeek 也能根据主题生成知识图谱。虽然在生成过程中存在一些语法问题，但经过调整后能够生成符合要求的脚本。
4. 技术细节：
在实验过程中，我们发现 DeepSeek 生成的脚本存在一些语法问题，如注释符不符合 nGQL 规范等。此外，生成大量节点时可能会出现服务器响应延迟的问题。这些问题需要在实际应用中加以优化。
