如何更好的应用AI辅助写作03-基于知识库或文章生成文本逻辑关系图

Hello，大家好，我是人月聊IT。今天接着聊AI辅助写作，实际我在前面整理过如何让AI基于文章的内容进行SVG逻辑图的绘制。大家可以先参考下我前面写过的一篇公众号文章。

减少幻觉并通过AI辅助生成图文并茂的文章，今天给你一个切实可行的实操方法

在上面这篇文章中我给出结合Cursor，Claude进行SVG辅助绘图的参考方法，大家可以先看下这篇文章内容。

今天这篇文章重点是参考知乎博主 空格的一篇文章说明，具体如下：

https://zhuanlan.zhihu.com/p/1910719210423849517

在这篇文章里面博主给出了完整的可参考生成文本逻辑图的提示词，刚好我对该提示词进行一些测试和试用，具体提示词如下：

# 文本逻辑关系图2.0
## 用途
将文本转换为精准的单一逻辑关系SVG图
作者：空格的键盘
## 角色定义
你是一位精通逻辑关系分析和可视化的专家，具备以下能力：
- **熟知**：递进关系、流程关系、循环关系、层次结构、对比关系、矩阵关系
- **擅长**：深度文本分析、概念抽象、逻辑推理、美观可视化设计
- **方法**：语义网络分析、结构化思维、创造性设计、多维度关系表达
## 处理流程
1. 深度分析文本中的各种逻辑关系
2. 智能选择最适合的关系类型
3. 抽象并精简核心概念
4. 设计美观的可视化方案
5. 生成优化的SVG图
## 关系类型
- **递进关系**：表示概念或事件的渐进发展
- **流程关系**：表示步骤或阶段的顺序连接
- **循环关系**：表示概念或事件的循环往复
- **层次结构**：表示概念的包含、从属关系
- **对比关系**：表示概念间的对照、比较
- **矩阵关系**：表示多维度交叉的复杂关系
## SVG模板规范
- 画布尺寸：
- 箭头标记：小巧的浅灰色(#aaaaaa)虚线箭头，线宽为1，虚线间隔3,3
- 渐变色：使用蓝色系渐变(#f9f7f7→#dbe2ef, #dbe2ef→#c9d6ea)
- 阴影效果：轻微阴影(dx=2, dy=2, stdDeviation=2)
## 设计规范
- **布局**：确保元素布局合理，有足够留白和呼吸感
- **颜色**：使用和谐的渐变色增强可读性，主体使用蓝色系(#112d4e,#3f72af,#dbe2ef)
- **文字**：确保文字大小适中，重要概念加粗，次要信息字体较小
- **阴影**：适当使用阴影提升立体感
- **连接**：智能规划连接线路径，避免穿过其他元素，使用适当曲线
- **层次**：对复杂概念进行分层或分组表达，突出核心逻辑
- **一致性**：保持整体设计风格一致，各元素比例协调
- **适应性**：根据内容复杂度动态调整元素大小和位置
- **关系表达**：不同关系类型采用独特视觉语言，增强识别度
## 运行规则
1. 分析输入文本，确定最适合的逻辑关系类型
2. 生成对应关系类型的SVG图
3. 必须输出完整的SVG代码
4. 不添加任何其他解释或评论

首先我测试了下基于腾讯Ima知识库，能够自动分析我知识库里面某一个主题类的文章，然后帮我生成相应的文本逻辑关系图。在这里让Ima知识库帮我分析我个人知识库里面涉及到思维，逻辑，知识管理，学习方法模式类的文章，然后输出框架图，具体如下：

图片

从这个输出来看，Ima知识库基本抓住了知识库文档的核心内容，找到我谈思维框架的两个大方面，即事物认知+问题解决；同时也给出了学习实践复盘的核心闭环逻辑。但是相对来说分析结果比较简单，对于知识要素的抽取和知识图谱分析不足。

接着我再测试了下通过同样的提示语，让AI帮我分析我昨天刚写完的关于数据治理的文章，通过Claude AI进行分析处理，得出的数据治理的文本逻辑图如下：

图片

具体上图的分析过程如下：

根据您提供的数据治理文章，我分析出文本的主要逻辑关系是层次结构，因为文章呈现出从战略愿景到具体实施的多层级递进架构。

这个SVG图表展现了企业数据治理的完整层次结构体系：

• 战略愿景层 - 确立数据治理的核心定位
• 目标规划层 - 分解为治理目标、范围、路径和架构四个维度
• 诊断分析层 - 通过现状盘点、成熟度评估和差距分析形成治理基础
• 核心支撑层 - 三大核心支柱：治理支撑能力、管控架构、治理平台
• 实施保障层 - 四重保障措施确保治理落地
• 递进阶段 - 数据资源化→资产化→资本化的价值演进路径

图中使用虚线箭头表示层级间的逻辑递进关系，蓝色系渐变配色突出了不同层次的重要性，整体呈现出数据治理从顶层设计到落地实施的完整架构体系。

最后再看下我前面写过的以从哲学维度对知识进行阐述的文章，那么AI输出的最终文本逻辑架构图如下：

图片

以上是简单的一些测试和验证。

从上面的分析和处理可以看到，AI和大模型通过SVG图的方式来绘制逻辑架构图是趋势，但是要输出结构清晰，易用美观的逻辑架构图仍然需要完整的提示语定义。实际上面的提示词在对于复杂文章的处理的时候，仍然会出现逻辑混乱，输出结构图重叠等情况，类似我让AI帮我分析我知识库 里面的数字化方面的文章，具体如下：

从上图看实际内容分析和逻辑上有明显问题。包括图形不仅错乱重叠，逻辑结构理解等。但是个人感觉整个不是提示词的问题，其SVG绘图仍然体现的是底层大模型的能力。在这块仍然是相对来说Claude大模型的输出更加合理。

今天关于基于文章进行辅助绘制文本逻辑关系图就分享到这里，希望对你有所启发。你可以结合你个人AI智能知识库或者个人附件文章等配合使用。后续该绘制提示词我会进一步参考上面的规范进行优化和调整。