让你的知识库助手更牛逼，只需3步，大模型构建知识图谱助手

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，

• 将资料分成多个块
• 对于每个文本块，使用 LLM 提取概念及其语义关系
• 将概念及关系转换图形模式

然后，再看看每一步的核心代码。

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。

如果你仍想用 GPT 也可以修改对应的源码。