SmartKG:零代码知识图谱构建工具,让AI对话应用触手可及
SmartKG是一款开源的知识图谱可视化与智能对话框架,支持通过Excel文件快速构建知识图谱,并提供自然语言交互能力。该工具无需编程基础,即可帮助用户实现从数据导入到智能对话的全流程应用搭建,广泛适用于教育、企业知识管理等场景。
一、核心价值:打破技术壁垒,释放知识图谱潜力
在数据驱动决策的时代,知识图谱作为连接信息与智能的重要载体,其构建过程往往因技术门槛高而难以普及。SmartKG通过零代码操作流程与自动化数据处理,彻底改变了这一现状。用户只需准备符合规范的Excel数据(模板路径:Resources/Data/Excel/template/SmartKG_KGDesc_Template.xlsx),即可完成从实体关系定义到可视化图谱生成的全过程,让知识图谱技术真正走向大众化。
二、技术架构:双引擎驱动的智能化框架
SmartKG采用前后端分离的现代化架构,后端基于.NET Core构建高性能数据处理引擎,前端通过Vue.js实现交互式可视化界面。核心技术栈包括:
- 数据处理层:支持Excel、TSV等多格式数据导入,通过SmartKG.Common/Parser/ExcelParser.cs实现自动化实体关系解析
- 图谱存储层:采用内存图谱与可选MongoDB持久化方案(配置路径:dockers/smartkg_services/smartkg/local_config/appsettings.MongoDB.json)
- 对话引擎层:集成NLU(自然语言理解)模块,通过SmartKG.KGBot/NaturalLanguageUnderstanding/NLUProcessor.cs实现意图识别与实体链接
- 可视化层:基于WebGL的动态图谱渲染,支持力导向布局与交互式探索(前端实现:SmartKGUI/src/views/Home.vue)
三、操作指南:五步完成知识图谱应用搭建
1. 数据准备:填写标准化模板
使用项目提供的Excel模板(路径:Resources/Data/Excel/template/SmartKG_KGDesc_Template.xlsx),在"顶点"工作表定义实体属性,在"边"工作表描述实体关系。模板包含预定义字段说明,确保数据格式符合系统要求。
2. 系统部署:容器化一键启动
通过Docker Compose实现快速部署,执行以下命令启动完整服务:
git clone https://gitcode.com/gh_mirrors/smar/SmartKG
cd SmartKG/dockers/smartkg_services
docker-compose up -d
服务包含KG管理API、对话引擎及Web前端,默认端口可通过docker-compose.yml配置调整。
3. 数据上传:可视化操作界面
访问前端界面(默认地址:http://localhost:8080),通过"上传"功能(SmartKGUI/src/views/Upload.vue)提交Excel文件。系统支持批量导入,自动校验数据完整性并生成导入报告。
4. 对话配置:定制交互规则
在NLU配置模块(数据路径:Resources/Data/Archieved_DataStore/Physics/NLU/)定义意图规则与实体映射,支持正则表达式匹配与上下文感知对话流程设计,满足个性化业务需求。
5. 应用集成:调用API接口
通过SmartKG.KGManagement/Controllers/GraphController.cs提供的RESTful API,可将知识图谱能力集成到第三方系统。支持节点查询、关系遍历、路径分析等核心功能,返回JSON格式结果便于二次开发。
四、功能特性:打造全方位知识服务体验
智能数据解析引擎
自动识别Excel中的实体类型与关系模式,支持复杂属性定义与多语言数据(如COVID19_en英文数据集:Resources/Data/Archieved_DataStore/COVID19_en/),解析准确率达98%以上。
动态可视化系统
内置多种图谱布局算法,支持缩放、拖拽、高亮等交互操作,可通过配置文件(SmartKGLocalBase/config/PreDefinedVertexColor.tsv)自定义节点颜色与大小,直观呈现知识结构。
上下文对话管理
基于对话状态跟踪(DialogContext.cs)实现多轮交互,结合知识图谱上下文生成精准回答,支持实体消歧与意图预测,对话准确率随数据规模提升。
多场景适配能力
已预置教育(中学物理:Resources/Data/Excel/input/Physics/)、医疗(COVID19数据集)等领域模板,支持自定义扩展,满足不同行业知识管理需求。
五、应用场景:解锁知识服务新可能
教育领域:构建交互式学习助手
教师可通过SmartKG快速构建学科知识图谱(如初中力学知识:Resources/Data/Archieved_DataStore/Physics/KG/Edges_MechanicsGrade7.json),学生通过自然语言提问获取知识点关联解释,实现个性化学习。
企业知识管理:打造智能知识库
企业可将内部文档转化为结构化知识图谱,员工通过对话界面快速检索流程规范、产品信息等内容,提升信息获取效率,减少培训成本。
科研领域:加速知识发现
研究人员可导入文献数据构建领域知识网络,通过图谱分析发现潜在关联,辅助科研创新。系统支持定期数据更新,保持知识时效性。
SmartKG通过降低技术门槛、提升操作效率,正在成为知识图谱应用开发的首选工具。无论是个人用户还是企业团队,都能通过这款开源框架快速构建属于自己的智能知识服务,让数据真正产生价值。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust021
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00