今天还是接着聊AI大模型知识库,在前面我也专门讲过一篇文章对我已有的Wiki知识库进行了二次升级,构建了场景-》概念-》实体的完整三层结构,形成了基于场景和问题驱动的认知闭环知识体系。今天进一步展开来谈下里面的关键点。
整个知识库的分层结构如下:
由于我在重构我AI知识库的时候大量借鉴了我前面进行本体建模的思路,因此可以理解为知识管理领域的知识本体。在结构化数据领域的本体建模核心的对象模型往往对应到传统的IT系统数据库表;而在非结构化领域中的本体模型核心对象则对应到传统资料文档抽取处理的概念和实体。所以知识本体的第一个核心就是基于历史资料文档进行知识编译和萃取,形成核心的概念和实体,并构建概念实体间的关系,形成知识图谱。但是我在重构AI知识库的时候,引入了第二个关键核心就是场景问题层模型的构建。大家一定要注意一句话,就是构建知识库和知识图谱不是目的,应用知识库中的知识点,应用知识点的关联进行推理,形成知识点的动态组装最终解决场景下的问题才是关键。所以我在前面文章也谈到,重新构建的知识本体,不仅仅是对概念和实体进行了扩展,比如拆分了复合概念和子概念。比如拆分了父实体和子实体,增加了概念和实体之间的分层结构。更加重要的是引入了场景建模的概念,场景本质就是应用已有的概念和实体按步骤进行组装过程。
因此我基于知识库历史文章抽取后,归类了5大类47个场景,对于每个场景都详细定义了阶段,每个阶段需要引用的概念或实体,包括具体的知识点组装的步骤和流程。而对于概念方法,我在前面专门强调了,概念方法层的重点就是必须给出具体的输入,输出,包括工具技术的应用。在这里是解决了传统的流程分析的思路,将核心的动态逻辑引入到概念方法里面。
而对于实体,我在前面也专门提到了,引入了父实体和子实体的概念,以进一步体现了实体间的分层结构和层次关系。
有了这个知识本体模型定义后,我们接着AI编程将整个本体模型可视化显示和浏览,可以明显的看到场景-》概念-》实体简单的组装关系。
在点击分层网络进入后,选择某一个分类。
比如点知识管理进入后,可以完整看到知识分层网络结构。
最上面是场景层,中间是概念层,下面是实体层。任何一个场景的支撑都是以底层的概念和实体支撑的,是底层概念实体的组装编排构建并完成了场景和问题的解决。当我们单独选择如何构建知识库这个场景的时候,系统动态的列出支撑这个场景涉及到的概念和实体。如下:
当然我们还可以用泳道图来展示分阶段过程。
可以用传统的力导向图来展示整个知识图谱。
有了整个知识本体模型后,我们构建了一套新的写作提示词,将一个新文章的写作分为了7个关键步骤如下:标准写作流水线(7 步)
每接到一个写作任务,必须按以下 7 步执行:
Step 1…