“什么是创新？创新就是将原本不相关的知识连接到了一起”
（对原句语义的整理，可能不精确）
某闭门会
构建知识图谱，以前要做SPO三元组抽取（命名实体识别/关系抽取）、知识融合等等，但现在用一个Prompt就能替代所有的任务；
用图谱做推理，以前要考虑表示学习推理、符号逻辑推理，现在大模型吸收了全世界的知识，上边那张图也许直接内化成了模型参数，直接生成答案，如果“快思考”效果不好，让CoT来模拟人的“慢思考”，大幅提升效果。
方案一：直接丢给大模型，它会说，我的知识停留在2021年9月份，那时候的多数党是自由党（显然是错误的）
方案二：传统借助知识图谱做KBQA的方案，大模型首先找到“堪培拉”所在的“国家”是“澳大利亚”，然后基于“澳大利亚”去找“多数党”的时候，发现不存在这条知识（not exit），然后就回复，抱歉，我没有足够的信息（显然不是没有足够信息，而是太懒了）
方案三：也就是作者提出的方案，即使没有明确的“显性关系”表达“多数党”，但是我们依然可以根据“澳大利亚->总理->安东尼->领导政党->工党”来推测出，多数党极有可能就是“工党”。
A Survey of Graph Meets Large Language Model: Progress and Future Directions Graph Meets LLMs: Towards Large Graph Models GPT4Graph: Can Large Language Models Understand Graph Structured Data? An Empirical Evaluation and Benchmarking GRAPHLLM: BOOSTING GRAPH REASONING ABILITY OF LARGE LANGUAGE MODEL ......（不一一列举了，附上论文的gitHub集合，https://github.com/XiaoxinHe/Awesome-Graph-LLM）
