今天接着跟大家聊腾讯ima知识库和基于该知识库如何去快速去构建可视化知识图谱。
如果原来经常用类似印象笔记,notion,obsidian等知识管理工具的都知道,要基于这些工具构建知识图谱相对来说比较麻烦。包括你需要自己在记录笔记或写文字的时候就标记好知识间的双向链接,或者你需要自己抽取核心的实体和关键词。
而随着AI智能知识库的出现,构建个人可视化知识图谱将变得更加更加容易。在前几天,我将我个人知识库【人月聊IT知识库】又增加了我从2006年开始在新浪写博客的近2000多篇文章。覆盖了类似我最近几年谈的比较少的类似软件工程,IT项目管理,RUP,敏捷开发,IPD, CMMI等方面的知识。具体知识库的免费加入方法可以参考这篇文章后面我附加的知识库二维码加入。
今天这篇文章重点还是想讲下如何基于你历史文章大量输出,来帮助你构建知识图谱。
为何要构建这个知识图谱?
这个知识图谱体现的核心实体和关键词,包括实体间连接实际就是你以往多年学习实践经验积累的高度浓缩。是你个人知识竞争力的核心,也是你知识框架结构的骨架。只要你随时把握住这个核心架构,那么就完全具备知识泛化和举一反三的能力。
言归正传,先问下DeepSeek它自己支持哪些知识图谱工具并输出源代码文件的,最终得到如下结果。

可以看到,常见的类似D3, Gephi,Neo4j这些知识图谱构建工具和图数据库基本都支持输出对应的源代码。
其中最简单的还是Cytoscape.js,可以直接帮你生成html代码,你直接运行代码即可以看到知识图谱的展示,比如下面是一个简单展示。

而我们这次的重点是希望ima知识库能够在充分理解我上传的个人文章和笔记后,帮我生成特定领域的知识图谱,这个知识图谱实际是我个人经验的高度浓缩。因此我拿思维这个主题来进行验证和测试。
具体问ima的提示语如下:
请帮我整理和思维相关的所有关键词,并理清这些关键词的关系,类似思维,逻辑,认识事物,解决问题,学习,实践,复盘,知识库,经验库,归纳,演绎等。注意关键词在2个字到5个字之间。 然后基于上面分析帮我构建知识图谱。 我需要用neo4j来构建,所以你直接返回可以直接运行的Neo4j Cypher 代码给我。
基于以上问题,ima找到我知识库里面40多篇文章进行总结和分析,包括给出了详细的推理和思考过程。

有了这个源代码后,我们进入到neo4j官网。在这里你既可以下载destop桌面版本,也可以直接使用在线版本进行测试。在进入到在线版本界面后点击工具材料里面的Query菜单,然后在命令行工具那里输入具体的脚本命令,即可以完成知识图谱的创建。

可以看到,命令脚本会帮我们生成完整的实体和实体之间的连接,我们可以很方面的浏览到思维相关的知识图谱网络图。

从实际的结果来看,整个AI分析的实体和关系基本正确。能够将我文档里面核心高频词汇全部整理出来。当然这个离我理想化的知识图谱还有差距。包括ima知识库没有检索到我所有和思维相关的文章。包括类似思维2到3层级的一些关键词没有识别和提取等。
以上就是通过ima知识库快速构建知识图谱的一个简单方法,大家也可以自己测试和验证下。通过这种方法可以进一步提升我们对个人已有历史文章,笔记的核心内容高度提炼的能力。也方便我们进一步掌控自己的知识竞争力。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

5769

被折叠的 条评论
为什么被折叠?



