知识图谱不是知识体系

一个词,两拨人在用

你听到"知识图谱"会犯嘀咕,这事儿一点不怪你——因为有两拨人,嘴里说着同一个词,心里想的是两样东西。

一拨是搞技术的。他们说的"知识图谱"(英文 Knowledge Graph),是个有出处、有定义的正经术语。这词大规模火起来,是 Google 带的头:2012 年 5 月 16 日,Google 正式推出一个叫 Knowledge Graph 的东西,一句口号说得特别到位——"是东西,不是字符串"(things, not strings)²。意思是,搜索引擎以前只会匹配字面,你搜"乔布斯"它就找含"乔布斯"三个字的网页;有了知识图谱之后,它知道乔布斯是个人、创办过苹果、生于 1955 年——它脑子里有了"乔布斯"这个实体本身,而不只是这仨字。

另一拨是搞个人成长、做笔记、聊"知识管理"的。他们说"我要搭建自己的知识图谱""把零散知识连成体系",指的是另一回事:把自己脑子里、笔记里的东西连成一张网,看清它们之间的关联。这层意思下,"知识图谱"基本等于"个人知识体系"——一个比喻,一种理想状态。

所以这篇接下来干的事很简单:把"正经那版"先讲透——它是什么、怎么搭、在哪儿用;再回头看"个人那版"到底是不是一码事。记住一句话就行:同一个词,一个指机器用的数据结构,一个指你自己用的思考方法。

机器读的那张网

先说正经版。一句话:知识图谱就是把现实世界里的"东西"和它们之间的"关系",连成一张机器能读、能查、还能推理的网。¹ 网上的点(节点)是一个个实体——人、地方、公司、概念、事件都算;点跟点之间的线(边)就是关系。

最小的那块积木:三元组

这张网是怎么搭起来的?靠一种特别朴素的小积木,叫三元组(triple):主语—谓语—宾语,三个一组⁴。比如:

• 乔布斯 —— 创办了 —— 苹果公司
• 苹果公司 —— 总部在 —— 库比蒂诺
• 乔布斯 —— 出生于 —— 1955 年

每一条三元组,就是网上的一条边:从一个实体,顺着一种关系,指向另一个实体。你把成千上万条这样的小三元组摞在一起,一张大网就长出来了。这套写法有个正式底子,叫 RDF(资源描述框架),它的结构天生就跟"点—边—点"对得上,所以特别适合拿来盛知识图谱⁴。

还有个看不见的"规矩":本体

光有三元组还不够。这张网背后通常还有一套本体(ontology),你可以理解成这张网的"规矩"或者"数据模板"³。它管啥呢?它划下道道——世上有哪些类(人、公司、城市……),哪些关系说得通:人能"创办"公司,可公司不能"出生",对吧。有了这套规矩,机器才能干一件关键的事——推理。比如你只告诉它"乔布斯创办苹果""苹果总部在库比蒂诺",它能自己推出"乔布斯创办的公司总部在库比蒂诺",哪怕你从没直接写过这句。这就是知识图谱比"一堆表格"高级的地方。

规模上给你个数:Google 的知识图谱 2012 年刚出来就有 5 亿多个实体;到 2020 年,已经是 50 亿个实体、5000 亿条事实²。所以正经版的知识图谱,本质是一套给机器用的、带规矩的、能自动推理的数据结构——不是一张给人看的示意图。

它在哪儿真干活

讲这么多定义,这玩意儿到底用在哪?你其实天天在用,只是没察觉。

除了搜索,常见的还有这么几摊:

• 推荐:像亚马逊这种,把商品、属性、你的行为、评价全连成一张图,顺着关系给你推"买了这个的人还买了那个"⁶。
• 问答 / 语音助手:Siri、Alexa 这些,背后都靠知识图谱当"事实底座",你问"姚明多高",它顺着图谱里"姚明—身高—226cm"这条边直接给你答案⁶。
• 企业里:金融做反欺诈、风控,把账户、交易、设备连成图找异常;医疗、电商、社交也都在用⁵。

现在最热的一摊:给大模型当"事实底子"

2024 年以后,知识图谱又火了一把,因为它跟大语言模型(LLM)凑成了一对儿,叫 GraphRAG。逻辑是这样:大模型爱"一本正经地胡说"(幻觉),那就给它接一张知识图谱,回答之前先去图谱里捞结构化的事实当依据,把话"摁"在事实上,少瞎编⁷。

不过得说句实在的:这事儿没那么神。研究发现,大模型读图谱里那种零散的三元组也会犯迷糊、照样能产生跟事实对不上的幻觉⁷ 🟡 med。所以知识图谱给大模型"压幻觉"是个真方向,但不是一摁就灵的银弹,2024–2025 还有一堆论文在专门治这个。记住:知识图谱真正的价值,是给机器提供一份"结构化、可追溯、能推理"的事实底子——搜索、推荐、问答、压模型幻觉,全是这一个底子的不同用法。

你脑子里那张网

好,正经版讲完了。现在回到你那句"是不是在说个人的知识体系"——说的就是这一拨人嘴里的"知识图谱"。

这拨人指的,是 个人知识管理(PKM):用 Obsidian、Roam、Logseq 这类笔记软件,把自己的笔记一条条连起来。这些软件有个招牌功能,叫 graph view(关系图视图)——它把你所有笔记画成一堆小圆点,笔记之间有双向链接的就连根线,满屏星星点点连成一张网⁹。你一看,"嚯,这不就是我的知识图谱嘛"——名字就是这么借过来的。

它的祖师爷:卡片盒

这套玩法不是软件发明的,根子在一个老方法——卡片盒笔记法(Zettelkasten),德国社会学家卢曼搞出来的:把知识拆成一张张"原子笔记"(一张只写一个想法),每张编个号,笔记之间靠编号互相引用,慢慢织成一张想法的网⁸。Obsidian 干的事,说白了就是卢曼的卡片盒——只不过那些手抄的交叉引用,现在变成了能点的链接,那张网还能自动画出来给你看⁹。

它图个啥?图的是"想法之间长出意外的连接"。知识本来就不是树状的——一个点子常常同时属于三个主题。你今天记的读书笔记,跟半年前记的一个工作教训挂上了钩,这种你自己都没料到的关联,就是个人知识网最值钱的地方⁸。

所以"个人知识图谱",本质是一种思考和整理的方法——靠你自己手动连线、自然生长,图的是看清关联、激发新想法,而不是让机器去查去推。

同形不同质:到底什么关系

两边都讲完了,现在正面回答你:它俩同形,但不同质。都是"点和线连成的网"这个长相(同形),可往根上一刨,是两种东西(不同质)。一张表给你摆清楚:

维度	知识图谱(正经术语)	个人知识图谱(比喻)
给谁用	给机器	给你自己
核心单位	三元组(实体-关系-实体)	一条笔记 / 一个想法
有没有规矩(schema/本体)	有,关系都有定义	基本没有,随手连
谁来建	工程和算法批量抽取	你一条条手写、手连
机器能推理吗	能 —— 这是重点	不能,只是把链接画出来
典型代表	Google 知识图谱、企业图谱	Obsidian、Roam、卡片盒

最关键的一行是"机器能推理吗"。正经知识图谱存在的全部意义,就是让机器能查、能推;个人那张网,机器既不查也不推,它纯粹是帮你这个肉脑子看清自己脑子里的关联。一个是数据结构,一个是思考方法——这就是"不同质"的根。

一个能随身带走的判断动作:下回听到"知识图谱",先反问一句——"你说的是 Google 那种,还是 Obsidian 那种?"问清楚了,90% 的误会当场化解。