AI 教育产品里的知识点图谱，是一张把概念、技能和它们之间关系画出来的网络：节点是知识点，边是「先学什么、后学什么」的依赖。它解决的是目录解决不了的问题——学生卡住时，到底是这一个点没懂，还是它的前置没打牢。
目录按章节排，图谱按依赖排。前者方便老师备课，后者方便系统定位。
图谱和目录差在哪
目录是树，一个知识点只归一个章节；图谱是网，一个知识点可以同时依赖多个前置。比如解一元二次方程，既要用到因式分解，也要用到开方运算，这两条依赖来自不同章节。
这个差别决定了用法。目录能回答「这学期学什么」，图谱能回答「他为什么在这里错」。要做个性化推荐，缺了图谱就只能按章节顺序推，推不准。
先定节点粒度
粒度太粗，图谱退化成目录，一个节点塞进半章内容，定位不到具体缺口；粒度太细，节点成千上万，标注和维护都做不下去。
一个可操作的判断标准是：一个节点对应一次可独立讲授、可独立出题检验的最小单位。按这个标准，一个课时大概对应三到八个节点，视学科而定。
边有几种：前置、包含、关联
前置边表示必须先掌握，方向单一，是图谱的骨架；包含边表示整体与部分，用于把一个大的技能拆成子技能；关联边表示经常一起出现但无严格先后，用于推荐拓展内容。
三种边里，前置边最难标。判断两个知识点有没有前置关系，可以问一句：不掌握 A，能不能学会 B。能，就不是前置；不能，才连边。标的时候宁可少连，也别乱连，错误的依赖会让学生被反复推回无关内容。
关联边最容易泛滥。工具相近、章节相邻都能算关联，连多了图谱就变成一张全连接网，推荐失去意义。建议只保留那些在题目里真实共现过的关联。
| 边的类型 | 表示什么 | 判定与标注注意 |
|---|---|---|
| 前置边 | 必须先掌握，方向单一，是图谱骨架 | 问「不掌握 A 能不能学会 B」，不能才连 |
| 包含边 | 整体与部分，把大技能拆成子技能 | 只在确属同一技能的上下层之间连 |
| 关联边 | 常一起出现但无严格先后，用于推荐拓展 | 只留题目里真实共现过的，否则图谱变全连接 |
节点从哪来：教材、题目、错因
教材提供主干，目录和小节标题天然就是候选节点；题库提供检验点，每道题标注它考的知识点；错因记录提供现实校验，学生实际错在哪，往往能暴露教材里没写清的依赖。
三路合起来才完整。只靠教材，图谱会缺实际考法；只靠题目，图谱会碎成考点清单。Kimi、豆包这类助手可以用来做初轮的节点抽取与去重，但边的方向仍要学科老师确认。
搭好之后怎么用
最常见的用法是定位：学生某题错了，沿前置边向上回溯，找出最近一个没有掌握牢固的节点，从那里补。另一个用法是规划：按拓扑顺序把待学节点排成一条路径，避免跳到还没打基础的内容。
还有一种用法常被忽略——给老师看班级的整体缺口。全班在某条前置边上的错误率都高，说明上一节课没讲透，这时该调整的是教学节奏，不是给学生加练。
给家长看的时候要换一种表达。直接甩一张网络图没人看得懂，把它翻译成「这三块没打牢，建议这两周先补中间那块」，图谱才真正落到使用场景里。
图谱搭建四查
- 节点能否独立讲授、独立检验
- 前置边是否通过「不学 A 能否学会 B」的检验
- 每个节点是否至少挂上一道题
- 是否有老师参与的边方向确认
四查里第三查最实用，没有题目的节点，实际用起来等于不存在。
相关机制：评分一致性怎么验是图谱落地后的配套；备课素材怎么排序依赖图谱提供候选；引用核对与本文的出处标注是同一类纪律；车路协同的延迟则是另一个把依赖关系画成链路的例子。
聊聊知识点图谱的常见疑问
- 一定要用大模型才能搭吗？：不一定。抽取和去重可以用模型加速，但结构设计靠学科教研，工具只是省人力。
- 一个学科要多少节点？：以中学数学为例，几百到一千出头比较常见，再多就难以维护。
- 图谱建好会过时吗？：会。教材修订、考纲调整都要跟着改，建议每学年校一次。
