Phase 0-2: Schema cleanup, typed relations, event-driven automation

- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd) - Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py) - Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks - Fix .gitignore to track tools/ and .githooks/ - Fix git remote URL (remove plaintext token) - New wiki pages: 504 pages, 34 raw sources
2026-07-01 08:05:43 +08:00
parent e544d6e04a
commit a6f05ab2d5
1067 changed files with 522992 additions and 819 deletions
@@ -0,0 +1,194 @@
+---
+categories:
+  - "[[LLM Wiki]]"
+tags:
+  - wiki
+  - concept
+  - knowledge-graph
+  - knowledge-representation
+  - ai-education
+created: 2026-04-20
+source: "[[教学大模型发展状况深度研究报告-20260415]]"
+type: concept
+aliases:
+  - 知识图谱
+  - Knowledge Graph
+  - KG
+---
+
+# 知识图谱
+
+知识图谱（Knowledge Graph）是一种用图结构表示知识的技术，通过节点（实体）和边（关系）构建语义网络。在教育AI中，知识图谱是构建智能辅导系统、实现个性化学习的基础设施。
+
+## 定义
+
+知识图谱是一种有向图结构，其中：
+- **节点（Node）**：表示实体（如知识点、概念、人物）
+- **边（Edge）**：表示实体之间的关系（如"是前置条件"、"属于"、"相关联"）
+- **属性（Property）**：节点的附加信息（如难度、学时、标签）
+
+## 核心概念
+
+### 三元组结构
+
+知识图谱的基本单元是三元组（主语，谓语，宾语）：
+
+```
+示例：
+
+(一次函数, 是, 函数)
+(函数, 是, 数学概念)
+(函数, 属于, 代数)
+(代数, 前置条件, 算术)
+(一次函数, 难度, 中等)
+```
+
+### 知识图谱示例
+
+```
+一次函数 ──是──► 函数
+   │               │
+   │属於          │是
+   ▼               ▼
+代数        数学概念
+   │               │
+   │前置           │包含
+   ▼               ▼
+算术         微积分
+```
+
+## 教育知识图谱的特点
+
+### 1. 层次结构
+
+```
+数学
+├── 代数
+│   ├── 一次函数
+│   ├── 二次函数
+│   └── 不等式
+├── 几何
+│   ├── 三角形
+│   ├── 圆
+│   └── 多边形
+└── 统计
+    ├── 平均数
+    ├── 中位数
+    └── 方差
+```
+
+### 2. 依赖关系
+
+```
+微积分
+├── 前置：函数
+│   ├── 前置：一次函数
+│   └── 前置：三角函数
+└── 前置：极限
+```
+
+### 3. 关联关系
+
+```
+一次函数
+├── 相关：二次函数（对比学习）
+├── 应用：实际问题建模
+└── 考点：期中考试重点
+```
+
+## 教育知识图谱的作用
+
+### 1. 个性化学习路径
+
+根据知识图谱规划最优学习路径：
+
+```
+学生已掌握：{算术, 代数基础}
+学生未掌握：{一次函数, 二次函数, 微积分}
+
+最优路径：
+  算术 → 代数基础 → 一次函数 → 二次函数 → 微积分
+```
+
+### 2. 知识点推荐
+
+识别薄弱环节并推荐相关内容：
+
+```
+学生答错一次函数题
+
+图谱分析：
+  一次函数依赖：{代数基础, 方程}
+  
+推荐：
+  1. 回顾代数基础
+  2. 练习方程求解
+  3. 重新学习一次函数
+```
+
+### 3. 错因分析
+
+通过知识追踪 + 知识图谱分析错误原因：
+
+```
+学生答题错误
+
+错误分析：
+  1. 前置知识缺失？（代数基础）
+  2. 本概念理解偏差？（一次函数定义）
+  3. 计算失误？（代入求值）
+  4. 解题习惯问题？（步骤跳过）
+```
+
+## 技术实现
+
+| 技术 | 作用 | 代表产品 |
+|------|------|----------|
+| **知识抽取** | 从教材、题库中提取知识点和关系 | 小猿AI |
+| **图数据库** | 存储和查询知识图谱 | Neo4j, JanusGraph |
+| **图算法** | 最短路径、关联推荐、社区发现 | 知识空间理论 |
+| **LLM增强** | 用LLM自动构建和更新知识图谱 | Khanmigo |
+
+## 核心优势
+
+1. **结构化知识**：将分散的知识点组织成系统化网络
+2. **支持推理**：可以基于图结构进行逻辑推理
+3. **可视化展示**：直观展示知识结构和学习路径
+4. **动态更新**：可以随着学习进展实时更新知识状态
+
+## 实践应用
+
+| 产品 | 知识图谱应用 |
+|------|--------------|
+| **小猿AI** | 五重错因分析（知识漏洞检测、概念关联分析） |
+| **讯飞星火** | 知识图谱 + 代码大模型 |
+| **作业帮** | AI解析 + 智能推荐 |
+| **Khanmigo** | 知识追踪 + 苏格拉底式引导 |
+
+## 关键挑战
+
+1. **构建成本高**：需要大量专家和人工投入
+2. **维护复杂**：知识点更新、关系调整需要持续维护
+3. **领域差异大**：不同学科的知识图谱结构差异大
+4. **质量验证难**：图谱的准确性和完整性验证困难
+
+## LLM时代的新发展
+
+随着大语言模型的发展，知识图谱正在与LLM结合：
+
+- **LLM自动构建知识图谱**：从文本中提取实体和关系
+- **RAG（检索增强生成）**：用知识图谱约束LLM的幻觉问题
+- **动态知识更新**：LLM根据对话实时更新知识图谱
+- **多模态知识融合**：结合文本、图像、视频等多模态信息
+
+## 相关概念
+
+- [[知识空间理论]] — 知识结构的另一种形式化表示
+- [[知识追踪]] — 结合知识图谱动态更新知识状态
+- [[教学大模型]] — LLM + 知识图谱的融合应用
+- [[RAG]] — 检索增强生成技术
+- [[小猿AI]] — 知识图谱实践案例
+
+## 来源
+
+- [[教学大模型发展状况深度研究报告-20260415]] — 知识图谱应用、小猿AI实践