PDF 收藏了一堆没读过?把它变成一张知识图谱,本地跑零成本

图：作者用一份 PDF 跑出来的知识图谱（图源：项目仓库）

你硬盘里是不是也有个叫「资料」的文件夹：几十份 PDF，收藏那天热情高涨，之后再没打开过。想复习，翻两页就困；想找东西，Ctrl+F 都不知道该搜哪个词。

我最近翻到一个开源项目 knowledge_graph，专门治这个：把任意文本喂进去，它输出一张知识图谱（一句话解释：把概念当成"站点"、概念之间的关系当成"线路"，画出来的一张网），节点能拖、点开能看，还能缩放。

更实用的是，这张图不只是好看——它能反过来当检索器跟文档对话，这套玩法叫 GRAG（图检索增强生成：让大模型答题前先去图谱里"查地图"，而不是去原文里"翻抽屉"）。

整套流程在本地跑，用的也是本地大模型，不调任何付费 API。下面把我试下来的体验拆开讲讲。

图：左边是吃灰的文档堆，右边是它变成的知识图谱

先看效果

作者把一份样例文档生成的图谱挂在了网上，这个页面可以直接玩：拖节点、滚轮缩放、点开看关系。节点越大，代表这个概念在原文里越"中心"。

图：我试了下一份医疗主题文档生成的图谱，颜色是自动聚出的"话题社区"（图源：项目仓库）

放大看会发现节点上不是零散的关键词，而是一句句完整的小概念，比如"私立医学院的监管缺失"——一眼就能看出它是从原文哪段话里长出来的。

核心思路：提取"概念"，而不是"实体"

这是这个项目跟大多数知识图谱工具最大的区别。

市面上不少图谱工具走 NER 路线（命名实体识别：从文本里抠出人名、地名、机构名这类专有名词）。这个项目用大模型提取的是概念。作者在 README 里举了个例子：

打个比方：实体图谱像通讯录，只记"有谁"；概念图谱像朋友圈八卦图，记的是"谁跟谁因为什么事扯上了关系"——后者的信息密度明显高得多。

图是怎么画出来的

我翻了作者的 README 和他那篇 Medium 方法详解，整个流程就四步：

图：作者手绘的流程图，和 extract_graph.ipynb 里跑的是同一套（图源：项目仓库）

1. 切块
   ：把长文切成一段一段的小块（chunk，分块：把长文拆成小段，每段单独处理），每段编个号；
2. 提概念
   ：用本地大模型从每个小块里提取概念对，以及它们明说的语义关系，记为权重 W1；
3. 补共现
   ：同一个小块里出现的两个概念，就算模型没说它们有关系，也默认"它俩在同一现场出现过"，再记一个权重 W2（上下文邻近关系）；
4. 合并去重
   ：同一对概念可能在很多块里反复出现，把权重加起来、关系描述拼在一起，最后每对概念之间只留一条边。

用生活化的话说：W1 是"这两个人当面认识，还知道是谁介绍的"；W2 是"这俩人总出现在同一张合影里，八成也认识"。

最后顺手再算两个东西：每个节点的度（一个概念连了多少条线，线越多节点画得越大——相当于班里人缘最好的同学），以及社区发现（把关系紧密的概念自动聚成一簇一簇，对应上图里不同颜色的区域，相当于自动帮你把同学分成"打球的一伙""打游戏的一伙"）。

图谱建好了能干什么

• GRAG 对话
  ：把图谱当检索器，跟文档做更深层的问答——传统 RAG 捞回来的是几段零散的片段，图谱能给出"概念 A 怎么一路连到概念 B"的完整路径；
• 中心性分析
  ：一眼看出整篇文档里最核心的概念是哪几个；
• 社区发现
  ：自动把全文聚成几个主题群，快速摸清文档结构；
• 可视化
  ：生成的交互网页图可以直接托管上线，比如作者的示例图谱。

它跟向量 RAG 不是替代关系，更像互补：

怎么跑起来

路线一：Docker（省事）

Docker（把软件连同运行环境打包，一条命令跑起来）路线，三条命令：

git clone https://github.com/rahulnyk/knowledge_graph.gitcd knowledge_graphdocker build -t knowledge-graph .

docker run -p 8888:8888 knowledge-graph

跑完浏览器打开 localhost:8888，就是一个 Jupyter Notebook（能一段一段跑代码的网页笔记本），核心文件是 extract_graph.ipynb，把里面的输入文本或 PDF 路径改成你自己的文件就行。

【配图建议：这里放一张自己跑 docker run 后浏览器里 Jupyter 界面的截图，能看到 notebook 文件列表或单元格即可】

路线二：本地 Ollama

不想折腾 Docker 的话，用 Ollama（在自己电脑上跑开源大模型的工具）：

# 第一步：装好 Ollama 后，拉一个模型（README 推荐的是 zephyr）ollama run zephyr

然后打开 extract_graph.ipynb，改一下输入路径，逐格运行。模型用的是 Mistral 7B OpenOrca（通过 Ollama 本地托管），整个提取过程不花一分钱 API 费。

技术栈一览

我翻了 Issues：它还不完美

从社区反馈来看，这个项目的短板也比较集中，作者也在 README 里开了"求共建"板块，列了几条社区建议的改进方向：

• 概念去重
  ：大模型提取概念时，"doctor"和"doctors"会被当成两个节点，需要用 embedding（把文本转成向量，用来判断两段话是不是一个意思）做语义合并；
• 过滤噪音
  ：太泛、出现太频繁的概念会被留下来，图会很吵；
• 共现权重失衡
  ：高频概念在 W2 里权重会过大，需要优化；
• 前端交互
  ：目前只能整体浏览，还不能"点一个概念、展开它的子话题"往下钻。

这些是这类概念图谱项目的通病，不算这个项目的锅。但如果你打算拿去做正经生产工具，得心里有数：它现在更像一个很好的"方法验证"和起点，不是开箱即用的产品。

适合谁用

• 硬盘里 PDF 堆成山、想给资料建一张"能看的关系网"的人；
• 在研究 GRAG、想搞清楚图检索和向量检索到底差在哪的团队；
• 不想花 API 钱、只想在自己电脑上玩 RAG/GRAG 的用户；
• 对概念抽取、图可视化感兴趣的研究者和学生。

项目是 MIT 协议，代码就是一个 notebook，改改路径就能跑。

名词速查表

相关链接

• GitHub：rahulnyk/knowledge_graph
• 在线示例图谱：rahulnyk.github.io/knowledge_graph
• 方法详解（Medium）：How to convert any text into a graph of concepts

收藏夹里的 PDF 不会自己变成知识，但"让机器替你读一遍、再把关系画出来"这件事，现在本地就能免费做到。有兴趣的话，跑一遍 notebook 比看十篇介绍都直观。