应用介绍
一篇几千字的长文、一份调研报告、一本书的章节,读的时候觉得都懂了,合上就只记得个大概,里面谁跟谁什么关系、哪个概念影响了哪个,全糊在一起。线性的文字本来就不适合装网状的知识。
ai-knowledge-graph 把文字变成图。丢一份文本进去,它用大模型把内容抽成“主语-谓语-宾语”三元组(比如“蒸汽机—推动了—工业革命”),再把这些关系连成一张可交互的知识图谱,谁跟谁怎么连一目了然。长文档会先自动切块分别处理,再把散在各块里、指的其实是同一个东西的实体名统一起来。
它还会推断隐含关系:两个在原文里没直接挨着、但逻辑上相关的节点,它会补一条虚线连上——图里实线是原文直接抽出的,虚线是模型推断的,一眼能分。最后输出一个单文件的可交互 HTML 页面,拖拽、缩放、按社区筛选、开物理布局、切暗色都行,发给别人打开即看,不用装任何东西。
模型不挑,任何 OpenAI 兼容接口都行——本地的 Ollama、LM Studio、vLLM,或者 OpenAI、Anthropic 等云端服务。Apache 2.0 开源。
SPO 三元组抽取：用大模型从文本中识别实体及其关系,抽成“主语-谓语-宾语”结构,作为图谱的边和点。
长文自动切块：把大文档自动拆成合适大小的块分别处理,再汇总,不受单次上下文长度限制。
实体标准化：把不同块里指代同一事物的不同写法统一成一个实体,避免图里出现重复节点。
关系推断：在原文没有直接连接、但逻辑相关的节点之间补上推断关系,图上以虚线区别于直接抽取的实线。
可交互 HTML 输出：生成单文件的交互式网页,支持拖拽缩放、物理布局、按社区筛选、明暗主题,发给别人开箱即看。
兼容任意 LLM：支持任何 OpenAI 兼容接口:本地的 Ollama、LM Studio、vLLM,或 OpenAI、Anthropic 等云端服务,自选模型。
ai-knowledge-graph 把文字变成图。丢一份文本进去,它用大模型把内容抽成“主语-谓语-宾语”三元组(比如“蒸汽机—推动了—工业革命”),再把这些关系连成一张可交互的知识图谱,谁跟谁怎么连一目了然。长文档会先自动切块分别处理,再把散在各块里、指的其实是同一个东西的实体名统一起来。
它还会推断隐含关系:两个在原文里没直接挨着、但逻辑上相关的节点,它会补一条虚线连上——图里实线是原文直接抽出的,虚线是模型推断的,一眼能分。最后输出一个单文件的可交互 HTML 页面,拖拽、缩放、按社区筛选、开物理布局、切暗色都行,发给别人打开即看,不用装任何东西。
模型不挑,任何 OpenAI 兼容接口都行——本地的 Ollama、LM Studio、vLLM,或者 OpenAI、Anthropic 等云端服务。Apache 2.0 开源。
软件功能
SPO 三元组抽取：用大模型从文本中识别实体及其关系,抽成“主语-谓语-宾语”结构,作为图谱的边和点。
长文自动切块：把大文档自动拆成合适大小的块分别处理,再汇总,不受单次上下文长度限制。
实体标准化：把不同块里指代同一事物的不同写法统一成一个实体,避免图里出现重复节点。
关系推断：在原文没有直接连接、但逻辑相关的节点之间补上推断关系,图上以虚线区别于直接抽取的实线。
可交互 HTML 输出：生成单文件的交互式网页,支持拖拽缩放、物理布局、按社区筛选、明暗主题,发给别人开箱即看。
兼容任意 LLM：支持任何 OpenAI 兼容接口:本地的 Ollama、LM Studio、vLLM,或 OpenAI、Anthropic 等云端服务,自选模型。
