CourseGraph: 使用大模型自动构建课程知识图谱

中文 | English

CourseGraph 使用大模型，利用多种 prompt 优化技术, 自动从教材、书籍中抽取知识点, 构成以课程-章节-知识点为主题的知识图谱。为增加每个知识点的信息, CourseGraph 可以为知识点链接相应的习题、扩展阅读材料等资源, 另外也可利用多模态大模型从 pptx、图片、视频中提取信息并与之相关联。

🤔 局限性

• 目前只实现了基本的知识图谱抽取和对 pptx 的解析，效果有待优化
• 对视频的解析还处于规划中

📈 未来发展方向

• 改进提示词工程，并尝试使用 Agent 完成相关工作
• 增加多种策略对比实验
• 基于图谱的问答 (KBQA 或 Graph-RAG)

🚀 快速使用

首先申请阿里云百炼 API Key，然后选择使用本地安装或使用 Docker 安装：

方式一：本地安装

安装依赖

请确保已安装 uv、neo4j 和 rust ，然后执行：

uv sync

Linux 下还需安装 libreoffice 以完成文档转换，以 Debian 系为例：

sudo apt install libreoffice

执行示例

提供 Neo4j 连接密码和待抽取的文件路径，然后执行：

uv run examples/get_knowledge_graph_pdf.py -p neo4j -f assets/deep-learning-from-scratch.pdf

方式二：使用 Docker 安装

docker-compose -f docker/docker-compose.yml up -d
uv run examples/get_knowledge_graph_pdf.py -f assets/deep-learning-from-scratch.pdf

📚 文档

可以在 docs 目录下查看文档, 也可以访问 在线文档 (由于项目功能仍处于快速开发中，故在线文档暂时还没有准备好)。

如果你希望自定义在线文档请依照以下步骤：

依赖安装和预览

文档使用 vitepress 构建, 需安装 node.js 18 或以上版本，然后执行：

cd docs
npm i
npm run dev

使用浏览器打开 http://localhost:5173/ 即可进行预览。

🛠️ 贡献、协议和引用

欢迎提交 PR 或 Issues，也欢迎参与任何形式的贡献。

本项目基于 MIT 协议 开源。

如果觉得 CourseGraph 项目有助于你的工作，请点击 Repository 右侧的 Cite this repository 按钮进行引用。