knowledge-graph-llms 快速上手指南：5分钟用GPT-4o从文本自动生成知识图谱-北京尧图网络

knowledge-graph-llms 快速上手指南5分钟用GPT-4o从文本自动生成知识图谱【免费下载链接】knowledge-graph-llmsIn this project, I explored how to extract knowledge graphs from text using LLMs, such as OpenAI GPT4o.项目地址: https://gitcode.com/gh_mirrors/kn/knowledge-graph-llms想把一篇长文本快速变成直观的知识图谱knowledge-graph-llms 就是为此而生的开源工具它基于 GPT-4o 与 LangChain只需粘贴文本或上传 .txt 文件就能自动抽取实体与关系一键生成可交互的知识图谱可视化页面。本指南面向零基础新手5 分钟带你跑通「从文本到知识图谱」的完整流程无需手写复杂代码。什么是知识图谱为什么推荐用 LLM 自动生成知识图谱Knowledge Graph是一种用「节点连线」表达知识的结构节点代表实体人物、地点、概念连线代表实体间的关系出生于、研发了、任职于。过去构建知识图谱需要人工梳理大量资料成本极高而借助 LLM只需把文本丢给模型GPT-4o 自动抽取实体关系几秒钟就能得到结构化图谱效率提升数倍。✨ knowledge-graph-llms 核心功能一览功能说明双输入方式支持上传.txt文件或直接粘贴文本自动实体关系抽取由 OpenAI GPT-4o 模型驱动自动识别实体与关系交互式图谱可视化基于 PyVisvis.js支持拖拽、缩放、悬停查看物理引擎布局采用 forceAtlas2Based 力导向布局图谱自动排版深色主题筛选菜单图谱更清晰可按节点/边筛选浏览⚡ 最快配置方法5分钟一键安装运行前置条件Python 3.8 或更高版本一个可用的 OpenAI API Key第一步克隆项目仓库打开终端运行以下命令获取项目源码git clone https://gitcode.com/gh_mirrors/kn/knowledge-graph-llms第二步安装依赖项目依赖集中在 requirements.txt 中一条命令全部装好pip install -r requirements.txt第三步配置 OpenAI API Key在项目根目录新建.env文件填入你的 KeyOPENAI_API_KEYsk-你的密钥第四步启动应用streamlit run app.py浏览器会自动打开http://localhost:8501出现界面即安装成功。一键生成知识图谱从文本到可视化图谱的完整流程选择输入方式在左侧边栏选择「Upload txt」上传文件或选择「Input text」直接粘贴文本界面逻辑见 app.py填入内容上传.txt文件或在文本框中粘贴一段文字中英文均可点击生成按下Generate Knowledge Graph按钮稍等片刻探索图谱拖拽节点重新布局、悬停查看实体类型、滚动滚轮缩放、使用筛选菜单聚焦关键内容。整个过程无需写任何代码生成的图谱默认保存为knowledge_graph.html方便本地留存与分享。工作原理GPT-4o 如何抽取实体与关系整个流程只有三步核心代码都封装在 generate_knowledge_graph.py 中抽取阶段extract_graph_data()借助 LangChain 的LLMGraphTransformer调用 GPT-4o 把文本解析为节点实体与关系详见 generate_knowledge_graph.py校验阶段自动过滤无效节点与孤立边保证图谱干净可用渲染阶段visualize_graph()使用 PyVis 把结构绘制成交互式网络图详见 generate_knowledge_graph.py。以爱因斯坦的简介为例模型会自动抽出Person人物、Concept概念、Place地点、Organization机构等类型的节点以及DEVELOPED研发了、RECEIVED获得了、MOVED_TO移居至等语义关系——是不是很像一份自动生成的百科关系图进阶玩法让知识图谱更好用的小技巧用 Notebook 逐步调试想深入理解每一步输出可参照 knowledge_graph.ipynb 分步运行直观看到抽取出的节点与关系列表调优图谱布局修改 generate_knowledge_graph.py 中的物理引擎参数如springLength、gravitationalConstant可让复杂图谱的节点分布更均匀优化输入文本输入逻辑清晰、结构完整的文本GPT-4o 抽取出的实体与关系会更准确。❓ 常见问题FAQQ启动时报错提示没有 API KeyA请确认项目根目录已创建.env文件且OPENAI_API_KEY拼写正确。Q生成的图谱节点太多、看不清楚A使用页面左上角的筛选菜单Filter Menu按实体类型或关系过滤也可以拖拽节点手动整理布局。Q支持中文文本吗A支持。GPT-4o 具备多语言理解能力中文文本同样能抽出实体与关系。✅ 总结knowledge-graph-llms 把「文本 → 知识图谱」的门槛降到了极致无需机器学习背景无需手写抽取规则只需安装依赖、配置 Key、粘贴文本三步就能借助 GPT-4o 自动生成知识图谱并可视化。无论是做资料整理、文档分析还是知识库搭建它都是一个值得一试的轻量级利器。现在就 clone 项目花 5 分钟体验一下吧【免费下载链接】knowledge-graph-llmsIn this project, I explored how to extract knowledge graphs from text using LLMs, such as OpenAI GPT4o.项目地址: https://gitcode.com/gh_mirrors/kn/knowledge-graph-llms创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

knowledge-graph-llms 快速上手指南：5分钟用GPT-4o从文本自动生成知识图谱

相关推荐

免模拟器装APK：APK安装器完整上手指南，3步让Windows电脑运行安卓应用

Photoshop批量导出图层太慢？3分钟上手 Export Layers To Files Fast（避坑指南）

BiliBili-UWP第三方客户端实测：Windows 10/11刷B站的3个理由与完整安装指南

更多资讯

Redis基础命令实战：从安装到分布式锁与缓存排障

Prometheus+Grafana监控平台搭建实战：从部署到告警全解析

Java编译器实现指南：JFlex+CUP构建完整编译链路

华为IPD流程15年演进：先僵化后优化，最值得借鉴的是节奏

Redis命令实战手册：从五大类型到分布式锁与集群

基于YOLOv7的麦穗识别计数系统：从数据标注到部署全流程实战

今日更新

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

本周精选

如何彻底离线使用 Laya-CoreML：Hugging Face 下载、缓存机制与 local_files_only 详解

基于1Panel 部署MySQL MCP 服务：TaoToken 统一 Key 接入与 config.toml 配置实战

崇州园区营销网站建设避坑指南：5大注意事项保备案安全

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？