可借助AI构建结构化知识网络：一、整理原始素材并初步分类；二、用提示词引导AI生成知识图谱骨架；三、将结果导入可视化工具并人工校验迭代。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望借助AI工具系统化地整理零散的学习资料、笔记和经验，构建属于自己的结构化知识网络，则可以利用AI的语义理解与信息重组能力来辅助完成。以下是具体操作步骤：
一、整理原始知识素材并进行初步分类
此步骤旨在将分散在不同平台（如笔记软件、PDF文档、网页收藏、微信文章等）中的内容统一归集，并按主题或领域做粗粒度划分，为后续AI处理提供清晰输入。AI需基于明确的上下文才能准确识别概念关系，因此原始材料的可读性与标签一致性至关重要。
1、导出所有电子笔记为纯文本或Markdown格式，删除无关广告与排版符号。
2、将每份材料开头添加一行简短说明，例如“【领域】心理学｜【类型】实验方法｜【来源】《认知心理学导论》P45-48”。
3、将全部文件存入同一文件夹，并命名为“知识源料_2024”，确保文件名不含空格与特殊字符。
二、使用提示词引导AI生成知识图谱骨架
此步骤通过结构化提示词，驱动大语言模型识别核心概念、提取层级关系、标注关联类型（如“属于”“导致”“对比于”），从而输出可导入图谱工具的节点-边格式数据。关键在于限制输出格式，避免自由发挥。
1、在支持长文本输入的AI工具（如Claude、Kimi或本地部署的Qwen2.5）中粘贴一段约800字以内的整合素材。
2、输入提示词：请严格按以下JSON格式输出：{"nodes":[{"id":"A","label":"概念A","category":"一级主题"},{"id":"B","label":"概念B","category":"二级主题"}],"edges":[{"source":"A","target":"B","relation":"包含"}]}。
3、要求AI仅输出JSON代码，不加任何解释、引号转义或额外换行；若一次无法完整输出，分批次提交不同段落。
三、将AI输出结果导入可视化工具并人工校验迭代
此步骤将AI生成的结构化关系数据转化为可视知识图谱，再通过人工干预修正逻辑偏差、补充缺失连接、调整层级权重，使知识体系兼具机器效率与人类认知合理性。
1、复制上一步获得的JSON内容，在Obsidian中安装“Mind Map”插件后，新建空白笔记并粘贴JSON，点击“Render as Mind Map”。
2、检查图谱中出现的孤立节点、循环指向、跨域强关联（如“量子力学”直接连接“品牌营销”），逐一右键标记为“待复核”。
3、对每个待复核项，返回原始素材重新比对上下文，修改对应JSON中的category字段或删除edges中错误relation项，保存后刷新视图。
