知識圖譜構建
把碎片知識連成網，看見知識的全貌
知識碎片化的困境
學了一堆，腦子裡全是散裝知識
你有沒有過這種感覺——看了好多書、上了好多課，感覺自己學了不少東西，但一到要用的時候，腦子裡全是碎片，串不起來。
比如你學了機器學習，知道什麼是決策樹、什麼是神經網路，但它們之間到底什麼關係？什麼場景該用哪個？為什麼 Random Forest 比單棵決策樹好？這些「知識之間的連接」才是真正值錢的東西，可惜大部分學習方式都不幫你建立這種連接。
OpenClaw：幫你把知識點連成一張網
把你的學習內容丟給 OpenClaw，它能自動提取核心概念和它們之間的關係，產生可視化的知識圖譜。不是那種花裡胡哨沒啥用的圖，是真的能讓你「看見」知識全貌的結構化網路。
支持輸出 Mermaid、Markdown 思維導圖格式，可以直接匯入 Obsidian 或者其他工具。期末複習、系統學習新領域的時候特別好用——一張圖抵你翻三天筆記。
3 條知識圖譜 Prompt，複製就能用
從課程梳理到筆記庫分析，按需選用。
課程內容一鍵產生知識圖譜
黃金指令
請把以下課程內容整理成知識圖譜：
[粘貼你的課程筆記 / 教材目錄 / 課件內容]
要求：
1. 提取所有核心概念（不超過 30 個）
2. 標註概念之間的關係類型（包含、相依、對比、演化）
3. 用 Mermaid graph TD 格式輸出
4. 對每個核心概念附一句話解釋
5. 標出 3 個最容易混淆的概念對，解釋它們的區別這條用 Claude Opus 效果最好，它對概念層級關係的理解很準。產生的 Mermaid 程式碼可以直接在 Obsidian 裡渲染。
一本書的核心概念思維導圖
新手友善
請分析以下這本書的核心內容，產生思維導圖結構：
書名：[書名]
我的閱讀筆記：[粘貼筆記或章節摘要]
要求：
1. 提取全書 5-8 個核心觀點
2. 每個核心觀點下列出 2-3 個支撐論據
3. 標出觀點之間的邏輯關係（因果 / 並列 / 遞進）
4. 用縮進 Markdown 列表格式輸出
5. 最後總結：這本書最值得記住的 3 個 takeaway讀完一本書最怕的就是「讀了跟沒讀一樣」。用這條整理一下，至少腦子裡有個框架，以後想起來有跡可循。
筆記庫分析：找出知識孤島
進階技巧
我會把我的 Obsidian 筆記庫的內容發給你，請幫我分析：
[粘貼筆記檔名列表，或匯出的筆記內容]
分析要求：
1. 識別出所有主要知識領域（聚類）
2. 找出「知識孤島」——那些跟其他筆記沒什麼關聯的內容
3. 發現隱藏的跨領域連接：哪些看起來不相關的知識其實有聯繫？
4. 建議需要補充的「橋梁筆記」——哪些概念你還沒寫但它們能串聯現有知識
5. 輸出一個全局知識圖譜（Mermaid 格式）
請按知識密度從高到低排列各領域。這條適合筆記庫已經積累了一定體量的同學。100 篇筆記以上用這個效果最明顯，能發現你自己都沒注意到的知識斷層。
推薦設定
知識圖譜構建的最佳模型設定
任務類型：知識圖譜構建 / 概念關係分析
推薦模型：Claude Opus 4.6（深度理解概念關係）
備選模型：DeepSeek V3（快速處理簡單的思維導圖）
上下文建議：盡量一次性給全內容，避免分批發導致斷裂
輸出格式：Mermaid graph TD（可直接渲染）
溫度設定：0.3（減少概念關係的「創造性發揮」）知識圖譜：OpenClaw vs 手動整理
自己畫也行，但效率差別太大了。
OpenClaw
- 一門課的內容 5 分鐘產生完整知識圖譜
- 自動發現你沒注意到的概念關聯
- 支持 Mermaid / Markdown 格式，直接匯入 Obsidian
- 可以反復迭代：加新內容進去，圖譜自動擴展
VS
手動整理
- 一門課畫個像樣的知識圖譜至少要半天
- 容易遺漏概念之間的隱藏關係
- 用 XMind 等工具手動拖拽，調格式就花掉一半時間
- 內容一更新，整張圖得重畫
幾點實用建議
產生圖譜之後，花 10 分鐘自己過一遍，把你覺得不準確的關係手動調整一下。AI 產生 + 人工校準 = 最佳組合。
不要一次性把所有內容都塞進去。先按章節或模組產生子圖譜，然後讓 AI 幫你合併成一張大圖。層次更清晰，錯誤也更少。