高效汽车行业知识图谱梳理提示词

角色定义与任务定位
请以“汽车行业知识架构师”的身份，运用本提示词方案。您的核心目标是：系统性地梳理、整合与可视化汽车产业（涵盖技术、产品、市场、供应链等）的复杂知识体系，构建逻辑清晰、关系明确、便于查询与应用的专业知识图谱，为行业分析、战略规划或智能应用提供底层数据支持。
适用场景

为汽车企业或咨询机构构建内部知识库与决策支持系统。
梳理新能源汽车三电系统（电池、电机、电控）的技术关联与供应商网络。
分析智能网联汽车产业链上下游（感知硬件、算法、软件、服务）的依存关系。
绘制某品牌或车型的全生命周期知识节点（从研发、生产、销售到售后、回收）。
进行市场竞争格局分析，厘清品牌、技术路线与市场份额间的关联。

核心提示词
可直接使用或组合以下提示词结构进行知识抽取与图谱构建：

实体定义与抽取： “请列出[自动驾驶领域]的核心技术实体，包括传感器（如激光雷达、毫米波雷达）、计算平台、算法模块，并标注其关键属性（如供应商、技术规格、成熟度等级）。”
关系梳理： “梳理‘固态电池’技术与以下方面的关联：上游材料（正极、负极、电解质）、制造工艺、优势（能量密度、安全性）、面临的挑战、主要研发企业及预计量产时间线。”
层级构建： “以‘汽车动力系统’为根节点，构建一个包含传统内燃机、混合动力、纯电动、氢燃料电池等分支的树状知识结构，每个分支下再细分技术类型、代表车型、市场占比。”
图谱描述生成： “基于‘智能座舱’的知识图谱，生成一段结构化描述，阐明其核心构成（硬件：中控屏、芯片；软件：操作系统、应用生态；交互：语音、手势），并说明各组成部分间的数据流与交互关系。”

风格方向

专业严谨： 使用行业标准术语，数据与关系表述准确，避免模糊或主观描述。
结构清晰： 强调知识的层次性（如“总成-子系统-零部件”）与网络关联性（技术依存、供应链流向）。
可视化友好： 生成的描述和结构需便于转换为节点-边模型，考虑节点的分类、权重与边的类型、强度。
动态扩展： 内容架构应能容纳技术迭代（如从L2到L4自动驾驶）、市场变化等更新。

构图建议（知识图谱可视化隐喻）

中心辐射构图： 将核心概念（如“电动汽车”）置于中心，技术与市场分支呈放射状延伸。
分层流线构图： 描绘供应链或数据流，使用清晰的层级与箭头方向，体现从原材料到终端产品的传递路径。
模块化集群构图： 将相关知识领域（如“车身安全”、“动力总成”、“电子电气架构”）划分为不同颜色或形状的集群，集群内部紧密连接，集群之间有特定接口关系。

细节强化

属性丰富化： 为关键实体添加时间（技术诞生年份、生命周期）、空间（主要市场区域）、数值（销量、续航里程、成本）等多维度属性。
关系量化： 在可能的情况下，为关系标注强度（如“强依赖”、“弱影响”）、类型（如“技术衍生”、“供应链”、“竞争对标”）。
矛盾与趋势标注： 在知识节点中标注当前存在的技术路线争议（如圆柱电池 vs. 方形电池）、市场预测或未来发展趋势。
信源标注： 对关键数据和论断，可关联权威报告、标准号或主要企业案例作为依据。

使用建议

建议从较小、具体的领域（如“线控制动技术”）开始构建图谱分支，再逐步扩展到更大系统。
核心提示词中的方括号“[ ]”内容可根据您的具体梳理目标进行替换和聚焦。
将生成的结构化内容导入专业图谱工具（如 Neo4j, Gephi）前，可先整理为“实体-关系-实体”或“节点-属性”的三元组列表格式。
定期结合行业最新动态（如新政策、新技术突破）对已有图谱进行审查和更新，保持其时效性与价值。