AI 知识图谱生成器：从长文到关系网络

是什么 这是 GitHub 上的 Python 项目 robert-mcdermott/ai-knowledge-graph，创建于 2025-03-23、显示 2870 stars。它把非结构化文档转换为 SPO（主语—谓语—宾语）三元组，并输出可交互的 HTML 知识图谱。

架构与核心设计 流程依次是文本分块、LLM 初次抽取、实体标准化、关系推理和可视化。config.toml 控制模型端点、分块大小与重叠，以及标准化和推理开关；后两步分别用于跨块对齐实体、补充传递或社区间关系。可视化阶段按中心性等指标调整节点大小，用颜色区分社区，并区分原始边与推断边。

值得借鉴的亮点 阶段化边界清楚，标准化和推理可关闭，便于控制 LLM 用量；同时兼容 Ollama、LM Studio、OpenAI、vLLM、LiteLLM 等 OpenAI 兼容端点，兼顾本地模型和云端服务。CLI、配置文件与调试选项也适合快速试验。

边界与风险 抽取、实体归一化和关系推理都可能受模型质量影响，出现别名误合并或过度推断；分块参数也会影响跨段关系。推断边过多时，图谱的可解释性会下降，宜保留证据并人工复核。示例日志中关系计数出现不一致，实际使用还应校验统计口径与输出质量。