知识图谱生成
在之前章节中，我们尝试过让 ChatGPT 对一段文本做实体识别和词性分析，结果很不错。但如果是需要长期留存下来，后续在不同场景下快速查询分析，最好还是要把数据存入到专门的图数据库中，才能方便随时读取。本节，我们试试让 ChatGPT 直接把从文本中抽取到的知识图谱数据，存入最流行的图数据库 Neo4J 中。
这次我们换一个场景，不提供文本，试试看 ChatGPT 本身已有的知识储备量如何。
请你生成一部分红楼梦中的知识图谱，并转换成 neo4j 格式的数据插入语句。
结果超乎意料之外，ChatGPT 竟然表示自己虽然有红楼梦的知识，但无法生成 neo4j 的插入语句！
这回需要我们排查一下 prompt 问题了，就像我们排查代码一样。让我们先验证一下 ChatGPT 说自己懂红楼梦这句话是否真实：
请你以三元组的形式生成红楼梦中的知识图谱。
我们看到输出的结果，顺着内容越往后，准确度逐渐开始下降，"胡说"的成分开始变大。所以，为了更好的利用 ChatGPT 的文本生成能力，我们还是需要给出一些更明确的内容，效果更加。比如同样还是红楼梦，我们明确提供全书开头宝黛初见一章的一段文本，要求总结这段内容变为知识图谱试试：
抽取下面这段文本中的知识图谱。切记格式为（头实体、关系、尾实体）
黛玉方进入房时，只见两个人搀着一位鬓发如银的老母迎上来，黛玉便知是她外祖母。方欲拜见时，早被她外祖母一把搂入怀中，“心肝儿肉”叫着大哭起来。当下地下侍立之人，无不掩面涕泣，黛玉也哭个不住。一时众人慢慢的解劝住了，黛玉方拜见了外祖母。——此即冷子兴所云之史太君也，贾赦、贾政之母。 当下贾母一一指与黛玉：“这是你大舅母；这是你二舅母；这是你先珠大哥的媳妇珠大嫂子。”黛玉一一拜见过。贾母又说：“请姑娘们来。今日远客才来，可以不必上学去了。”众人答应了一声，便去了两个。 不一时，只见三个奶嬷嬷并五六个丫鬟，簇拥着三个姊妹来了。 第一个肌肤微丰，合中身材，腮凝新荔，鼻腻鹅脂，温柔沉默，观之可亲。 第二个削肩细腰，长挑身材，鸭蛋脸面，俊眼修眉，顾盼神飞，文彩精华，见之忘俗。 第三个身量未足，形容尚小。其钗环裙袄，三人皆是一样的妆饰。黛玉忙起身迎上来见礼，互相厮认过，大家归坐。丫鬟们斟上茶来。不过说些黛玉之母如何得病，如何请医服药，如何送死发丧。不免贾母又伤感起来，因说：“我这些儿女，所疼者独有你母亲，今日一旦先舍我去了，连面也不能一见，今见了你，我怎不伤心！”说着，搂了黛玉在怀，又呜咽起来。众人忙都宽慰解释，方略略止住。
具体文本的总结能力还是比"记忆"要好的多。然后，让我们再继续排查 ChatGPT 生成 neo4j 语句的能力：
生成对应的 Neo4J 写入语句
也没问题。ChatGPT 两项能力都具备。那看来我们应该想办法优化最开头那句 prompt 了。之前我们曾经介绍过一些可以有效提高 ChatGPT 文本生成质量的咒语。从上面排查过程可以看到，分步运行都没有问题。那么let's think step by step.应该就适用于这个场景了。让我们在最开始失败的 prompt 后面加上这句：
请你生成一部分红楼梦中的知识图谱，并转换成 neo4j 格式的数据插入语句。let's think step by step.
慢慢思考过程较长，我们用continue提示 ChatGPT 继续完成：
我们可以发现，加上let's think step by step以后，不但可以直接生成 neo4j 的插入语句了，甚至连实体的属性输出的都更全面了，"贾宝玉"直接配上了年龄、状态、性格等一系列属性，真是太神奇了。
