📚 AI驱动的书籍知识图谱制作完整指南
🎯 一站式解决方案：从电子书到交互式知识图谱的完整工作流程
🛠️ 环境准备
在开始制作知识图谱之前，请确保安装以下工具：
📦 必需依赖
1. MinerU - PDF智能解析工具
# 安装 MinerU（PDF转换工具）
# 详细安装指南：https://github.com/opendatalab/MinerU2. BookTools - 书籍处理工具链
# 安装自定义开发的命令行工具
npm install -g booktools3. Gemini CLI - AI交互接口
# 安装并配置 Gemini CLI
# 详细配置指南：https://github.com/google-gemini/gemini-cli✅ 环境检查
安装完成后，验证工具是否正常工作：
# 检查 booktools
booktools --version
# 检查 gemini
gemini --help📖 第一步：书籍格式转换
将电子书转换为AI友好的Markdown格式是制作知识图谱的第一步。
🔄 支持的格式
| 格式 | 推荐工具 | 说明 |
|---|---|---|
| 📄 TXT | 无需转换 | 直接使用 |
| 📚 EPUB | BookTools | 一键转换 |
| MinerU | 智能解析 |
📚 EPUB 格式处理
EPUB可以使用BookTools可以实现一键转换：
# 将EPUB文件放在任意目录，然后运行：
booktools process <书籍名称>.epub
# 🎉 转换完成！工具会自动完成：
# ✅ 提取EPUB中的文本内容
# ✅ 转换为标准Markdown格式
# ✅ 清理无关的HTML标签
# ✅ 合并章节为完整文档
# ✅ 生成规范的目录结构📁 输出目录结构
<书籍名称>/
├── books/ # 📁 原始章节文件（备份用）
│ ├── 第一章.md
│ ├── 第二章.md
│ ├── 第三章.md
│ └── <书籍名称>.md.backup # 📄 原始备份
└── wiki/ # 📁 AI处理文件（主要工作目录）
├── <书籍名称>.md # 📄 完整书籍内容
└── GEMINI.md # 📄 AI分析模板
📑 PDF 格式处理
PDF格式可以使用MinerU转换：https://github.com/opendatalab/MinerU。 转换后，会得到一个<书籍名称>.md文件，这个文件就是转换后的Markdown文件。
# 1. 创建工作目录结构
mkdir -p <书籍名称>/wiki
cp ./output/<书籍名称>.md <书籍名称>/wiki/
# 2. 进入wiki目录并生成AI模板
cd <书籍名称>/wiki
booktools template
# 🎉 转换完成！现在有了标准的目录结构📁 输出目录结构
<书籍名称>/
└── wiki/ # 📁 AI处理文件
├── <书籍名称>.md # 📄 完整书籍内容
└── GEMINI.md # 📄 AI分析模板
📄 TXT 格式处理
纯文本格式最简单，无需格式转换：
# 1. 创建工作目录结构
mkdir -p <书籍名称>/wiki
# 2. 将TXT文件转换为Markdown并放入wiki目录
cp <书籍名称>.txt <书籍名称>/wiki/<书籍名称>.md
# 3. 进入wiki目录并生成AI模板
cd <书籍名称>/wiki
booktools template
# 🎉 转换完成！现在有了标准的目录结构📁 输出目录结构
<书籍名称>/
└── wiki/ # 📁 AI处理文件
├── <书籍名称>.md # 📄 完整书籍内容
└── GEMINI.md # 📄 AI分析模板
🤖 第二步：AI知识解析工作流
完成格式转换后，接下来使用AI进行智能解析和知识图谱构建。
🚀 启动AI工作流
1. 进入工作环境
# 切换到书籍工作目录（由booktools process生成）
cd <书籍名称>/wiki
# 启动Gemini CLI交互环境
gemini2. 第一阶段：宏观分析
在Gemini CLI中执行初始构建任务：
开始【初始构建】任务🎯 这一步骤将完成：
- 📊 全书结构分析：识别章节、主题、核心概念
- 📝 生成任务清单：自动规划后续的节点填充任务
📄 输出文件：
<书名>-宏观蓝图.md- 全书的知识架构概览todo.md- 详细的任务执行清单
3. 第二阶段：节点填充
基于todo.md里的任务列表，开始批量生成知识节点：
开始批量完成前30个【节点填充】任务⚙️ 工作机制：
- 🔄 自动化处理：AI会按照todo.md中的计划逐个生成节点
- 📝 实时更新：完成任务后会更新todo.md的状态
- 🔗 关联建立：自动在节点间建立双向链接关系
4. 迭代执行
继续批量处理剩余节点：
# 继续处理下一批节点
继续批量完成接下来的30个【节点填充】任务💡 建议：根据书籍复杂度，可以调整每批处理的节点数量（10-50个）
🔧 异常处理与恢复
在使用AI处理过程中，可能会遇到大模型服务不稳定或者大模型本身不稳定的情况。导致任务中断。
🔄 任务恢复
由于todo.md文件实时记录了任务状态，中断后可以无缝继续：
# 从中断处继续执行
继续批量完成接下来的30个【节点填充】任务📁 第三步：文件整理与输出
AI处理完成后，需要对生成的文件进行整理，准备最终的知识库输出。
🗂️ 自动文件整理
工作目录中会包含多种文件类型，需要进行分类整理：
# 在工作目录中运行文件整理命令
booktools organize <书籍名称>📋 整理前的目录结构：
<书籍名称>/wiki/
├── <书籍名称>.md # 📄 原始书籍内容
├── <书籍名称>-宏观蓝图.md # 📄 结构分析
├── todo.md # 📄 任务记录
├── GEMINI.md # 📄 AI提示模板
├── 人物-张三.md # 📄 人物节点
├── 事件-某某事件.md # 📄 事件节点
├── 地点-某某地方.md # 📄 地点节点
└── ... # 📄 其他节点文件
📋 整理后的目录结构：
📦 输出结果
├── 📂 <书籍名称>/ # 🎯 完整知识库（用于发布）
│ ├── 📄 <书籍名称>-宏观蓝图.md
│ ├── 📄 人物-张三.md
│ ├── 📄 事件-某某事件.md
│ ├── 📄 地点-某某地方.md
│ └── 📄 ... (所有知识节点)
└── 📂 backup/ # 🗄️ 备份文件
├── 📄 <书籍名称>.md # 原始内容
├── 📄 todo.md # 任务记录
└── 📄 GEMINI.md # AI模板
🌐 第四步：发布与使用
知识库整理完成后，可以选择不同的使用方式。
📱 本地使用（Obsidian）
适合人群：个人学习、研究使用
# 1. 打开Obsidian
# 2. 选择"打开文件夹作为仓库"
# 3. 选择生成的<书籍名称>目录
# 4. 开始探索知识图谱！🌟 Obsidian使用优势：
- 🔗 双向链接：点击任意链接快速跳转
- 📊 图谱视图：可视化知识网络关系
- 🔍 全文搜索：快速定位任意内容
- 📝 个人笔记：添加自己的思考和注解
🌐 在线发布（Quartz）
适合人群：分享给他人、公开展示
📋 发布准备
# 1. 将知识库目录复制到Quartz项目的content目录
cp -r <书籍名称>/ ../quartz/content/
# 2. 进入Quartz项目目录
cd ../quartz
# 3. 预览网站效果
npm run serve
# 4. 构建生产版本
npm run build🚀 部署选项
| 平台 | 难度 | 费用 | 特点 |
|---|---|---|---|
| GitHub Pages | ⭐⭐ | 免费 | 集成度高，自动部署 |
| Vercel | ⭐ | 免费额度 | 速度快，全球CDN |
| Netlify | ⭐ | 免费额度 | 功能丰富，易于配置 |
🎯 使用建议
📖 读者视角：
- 从宏观蓝图开始了解全书结构
- 通过人物关系图理解角色网络
- 跟随事件时间线梳理情节发展
- 利用地点信息构建空间概念
🔍 研究视角：
- 使用搜索功能快速定位相关内容
- 通过标签系统进行主题研究
- 利用双向链接发现隐藏关联
- 结合原文进行深度分析
🎉 完成！
恭喜您成功创建了一个完整的AI驱动知识图谱！现在您可以：
- ✅ 高效学习：快速定位和关联相关信息
- ✅ 分享交流：与他人分享您的知识发现
- ✅ 持续完善：在使用过程中不断补充和优化
💡 提示：这只是开始！您可以继续添加新的书籍，构建更大的知识宇宙。