春节过得差不多了，也该活动活动了，那么我们就继续在人工智能的海洋里探索一下吧。
知识图谱是在生成式人工智能爆火之前的一个热门关键词，大家在创建数字校园的过程中，都纷纷提到了知识图谱，在生成式人工智能爆火后，我们的目光转向了另外一个词——语料，两者有很大的区别，但其中用到了一些相关的技术，比如分词技术，在知识图谱中可以用分词技术结合大模型梳理核心概念、子概念、相关概念，在语料准备中可以借助大模型来自动标注语料属性关系。为了后续深入研究语料（知识图谱）的自动化处理，我们今天使用trae来自动开发一套知识图谱可视化工具，当然也可以使用其他工具，目前最牛的莫过于cursor和claude了，但trae的免费和中文的良好支持让我不得不选中了他。
1.工具：trae，网址：https://www.trae.cn/ide/download
2.梳理开发思路：上传一份文档，将文档中的内容梳理成知识点，并梳理知识点的前驱关系、后驱关系，形成知识关系表，然后根据知识关系表绘制关系图。这里面有两个关键，一个是文档的理解，一个是知识图谱的呈现。对于文档的理解，有两种思路，一种是借助开源专用工具，如分词工具实现分词即可，这种思路智能化程度较低。一种思路是借助大模型直接生成知识关系表。对于知识图谱的呈现，有2D和3D两种模式，可以考虑使用可视化库，如D3.js v6（2D）、Three.js（3D）。
3.输入提示词：编写一个python程序，上传文档，支持pdf、word、pptx等格式，基于上传的文档，支持一个或多个文档，基于文档生成知识图谱，并支持动态知识网络的可视化呈现，点击动态知识网络中关键词右侧呈现原文中内容。
大概过了十多分钟，就生成了一个包含以下功能的python程序：
– 多格式文档支持 ：- PDF 文档解析- Word (.docx) 文档解析- PowerPoint (.pptx) 文档解析- 纯文本 (.txt) 文档解析- 智能知识图谱生成 ：- 基于jieba中文分词- TF-IDF关键词提取- 关键词共现关系构建- 动态权重计算- 交互式可视化界面 ：- 现代化Web界面设计- 拖拽上传文件- 动态知识网络展示- 点击关键词查看原文上下文- 高级功能 ：- 关键词搜索- 相关关键词推荐- 统计信息展示- 多文档同时处理程序结构如下图所示：
– 后端框架 ：Flask 3.0.0- 文档处理 ：pypdf, python-docx, python-pptx- 自然语言处理 ：jieba中文分词, scikit-learn- 图算法 ：NetworkX- 前端可视化 ：vis-network.js- 跨域支持 ：Flask-CORS中间我发现文档生成的知识图谱呈现要么缩在一角，要么不停地转圈圈，于是反复追问了几个提示词，让程序自动调整。最终程序将可视化模块换成了echarts，终于符合我的要求了，可见trae并没有按照我们的预期使用2D和3D的显示。当然我们可以使用上述的一些关键技术或解决方案的提示词来追问，这里我感觉已经符合我的要求了，就没有继续改，暂时作为一个版本使用。看一下效果如下图：
效果还是比较符合预期的。
