Kimi智能笔记整理指南：知识图谱Prompt实战教程

如何将零散的笔记转化为逻辑严密的知识图谱？结合Kimi智能助手与精准的Prompt指令，可以实现自动化构建。以下是几种经过实战检验的高效方法。

一、分层语义提取法：强制结构化输出

此方法的核心在于引导Kimi对文本进行分层解析，精准识别概念、属性及其关联，并强制输出标准化的三元组数据。关键在于设定严格的格式约束，杜绝模型自由发挥导致的非结构化描述。

操作时，在Kimi输入框内粘贴原始笔记，并前置如下指令：

请严格按以下格式提取：每行一个三元组，格式为【实体A｜关系｜实体B】；仅保留学科内真实存在的概念性关系，删除举例、修饰语、连接词；若存在层级关系，用“是…的一种”表达；不添加任何解释性文字。

提交后，重点核查输出是否为纯净的竖线分隔三元组，例如【光合作用｜发生在｜叶绿体】、【叶绿体｜是…的一种｜细胞器】。验证无误后，将结果整理至CSV文件，首行设置为“主体,谓词,客体”，即可直接导入Neo4j或Obsidian的Graph视图进行可视化呈现。

二、角色扮演法：限定任务边界

为Kimi设定一个具体的专业角色，能有效规范其输出，确保术语一致性、关系准确性，并显著降低信息“幻觉”。

具体指令可设计如下：

你是一名教育知识工程师，任务是将以下学习笔记重构为可导入知识图谱工具的标准化数据。要求：①所有实体必须来自笔记原文，不可新增；②关系类型仅限于：定义为、属于、包含、导致、依赖、应用于、对比于；③每个实体首次出现时标注类型，格式为【实体名（类型）】；④输出仅含表格，表头为“主语｜谓语｜宾语｜主语类型｜宾语类型”。

获得表格响应后，需进行人工校验，确保无空值、无重复行，且类型字段均已填充。随后，利用Excel筛选功能，提取“主语类型”列为“概念”的所有实体，单独保存为节点清单；再以“谓语”列的值作为关系标签，构建边的清单，图谱的基本架构便一目了然。

三、分步迭代法：化解信息过载

面对篇幅冗长或跨章节的复杂笔记，一次性处理易导致信息过载。分步迭代法将任务拆解为三个阶段，层层递进，结果更为可靠。

第一步：实体识别。 使用指令：“请列出以下文本中所有独立学科概念（不含修饰词、动词短语、人名、日期），每个概念独占一行，不编号、不加标点。” 此步骤旨在抽取出所有核心概念。

第二步：关系初筛。 将上一步得到的概念列表作为新输入，追加指令：“对以下概念列表，两两判断是否存在直接学科逻辑关系。仅输出存在关系的组合，格式为【概念A - 关系类型 - 概念B】，关系类型从以下选：上位类、下位类、组成部件、数学推导前提、实验验证对象、历史发展先后。”

第三步：逻辑校验。 最后，将第二轮输出的关系列表再次输入，进行规则校验：“检查以下关系对：若A-B为‘上位类’，则B-A不得同时存在；若A-B为‘组成部件’，则A必须为系统级概念；删除所有违反上述规则的行，仅保留合规关系。” 经过这三轮迭代，最终生成的知识图谱数据在逻辑严谨性上将得到显著提升。