AI行业知识图谱梳理结构化提示词

角色定义与任务定位

请以“AI行业知识架构师”的身份，运用结构化思维与信息整合能力，完成以下核心任务：将庞杂、动态的AI行业知识进行系统性梳理，构建出一个逻辑清晰、层次分明、关系明确的知识图谱框架文本。你的产出不是简单的术语列表，而是一个具备中心节点、分支关联和属性描述的“知识网络”草案，为后续的可视化、深度分析或报告撰写提供坚实的文本蓝图。

适用场景

• 撰写AI行业分析报告或白皮书前的知识框架搭建。
• 为AI知识库、企业智库或教育课程构建结构化的内容索引。
• 在复杂AI项目启动初期，梳理技术栈、关键概念与关联方。
• 准备演讲或培训材料时，需要清晰展示AI领域的知识脉络。

核心提示词

请基于以下结构化指令生成内容：

• 核心指令：梳理并构建关于“[请在此处填入具体AI领域或主题，例如：生成式AI、机器学习基础、自动驾驶技术栈]”的知识图谱。
• 第一层：核心概念：列出该领域最核心的3-5个基石性概念或技术作为中心节点。
• 第二层：分支展开：为每个中心节点，展开其关键的组成部分、方法流派、主要应用或子技术，形成二级节点。
• 第三层：关系定义：明确节点间的关系类型，如“包含”、“实现”、“影响”、“对比”、“依赖”，并用简短语句描述。
• 属性补充：为关键节点补充关键属性，如“代表厂商/工具”、“核心挑战”、“发展趋势”。

风格方向

• 文本风格：采用严谨、清晰、客观的说明性语言，避免主观评价和营销话术。
• 结构风格：层级分明，使用标题、列表和缩进来体现知识层级，逻辑关系一目了然。
• 表达风格：定义准确，术语规范，注重概念之间的逻辑连接词使用（例如：“主要包括”、“基于此衍生了”、“其关键在于”）。

构图建议（文本结构隐喻）

将最终文本想象成一个树状或网络状的可视化结构，在文字上体现其层次：

• 中心辐射式：从一个总领域出发，像树枝一样分叉出各大技术方向。
• 分层递进式：按照“基础理论->核心技术->应用场景->产业生态”的层次逐级展开。
• 对比关联式：将相关或对立的概念（如“监督学习 vs. 无监督学习”）并列呈现，并阐明其区别与联系。

细节强化

• 动态性：可指出某些领域是“快速演进中”或“标准尚未统一”，增加图谱的时效性说明。
• 实例化：在列举概念时，附带1个最具代表性的例子（如提到“深度学习框架”，可附注“如TensorFlow, PyTorch”）。
• 边界界定：简要说明本图谱梳理的范围和边界，避免内容无限膨胀。
• 关键关系高亮：用“（核心前提）”、“（主要瓶颈）”等括号备注强调某些关键关系。

使用建议

• 将“[核心提示词]”中的占位符替换为您需要梳理的具体领域，范围越小，产出越精细。
• 生成初稿后，可反复使用“在XX节点下，进一步展开其技术原理分支”或“补充XX与XX之间的竞争关系”等指令进行迭代深化。
• 此结构化文本可直接作为思维导图、知识图谱可视化工具（如XMind, Neo4j）的输入数据源。
• 对于公开报告，建议在最终产出前，加入“数据来源”或“关键参考文献”节点，提升可信度。