如何利用 AI 自动化提取结构化领域知识库

解决 AI 对话碎片化问题：通过 bdistill 将 AI 的会话能力转化为可累积的知识库，自动将领域问答结构化并量化评分，生成可用于研究或传统机器学习的参考数据集。

为什么需要这个技能

在与 AI 探讨专业领域（如医疗、法律、金融、网络安全）时，有价值的信息往往分散在数次对话中。如果仅靠手动复制粘贴，难以形成系统化的知识体系。

bdistill 提供了一种“知识蒸馏”机制，它不仅能将 AI 的回答结构化，还能通过“对抗模式（Adversarial mode）”挑战 AI 的主张，强制其提供证据并承认局限性，从而产出经过验证的高质量知识条目，而非简单的聊天记录。

适用场景

• 构建领域参考库：需要针对特定专业领域建立可搜索、可导出的 Q&A 数据集。
• 传统 ML 训练集准备：为回归或分类等传统机器学习模型生成结构化的训练数据（而非用于训练大模型）。
• 跨模型对比分析：对比不同 AI 模型在同一专业知识点上的回答质量与置信度。
• 本地私有知识提取：通过 Ollama 调用本地开源模型，在完全离线环境下提取知识。

核心工作流

1. 环境安装

pip install bdistill
claude mcp add bdistill -- bdistill-mcp   # 适用于 Claude Code

2. 执行知识提取

支持预设领域、自定义词条以及对抗性验证：

/distill medical cardiology                    # 提取心脏病学预设领域知识
/distill --custom kubernetes docker helm       # 提取自定义词条知识
/distill --adversarial medical                 # 开启对抗模式验证医疗知识

3. 知识管理与导出

提取后的知识可进行搜索并导出为多种格式：

bdistill kb list                               # 列出所有知识域
bdistill kb search "atrial fibrillation"       # 关键词搜索
bdistill kb export -d medical -f csv           # 导出为 CSV 表格
bdistill kb export -d medical -f markdown      # 导出为 Markdown 文档

4. 本地模型提取 (Ollama)

对于需要本地化运行的场景：

# 安装并运行 Ollama
ollama serve
ollama pull qwen3:4b

# 使用 bdistill 提取本地模型知识
bdistill extract --domain medical --model qwen3:4b

下载和安装

下载 bdistill-knowledge-extraction 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐