分享我的Colab文件：
https://colab.research.google.com/drive/1XIi1E_L0dod2CoJIz9QVEYCjQKTKAuhT?usp=sharing
把它另存到你的本地Colab笔记本（详细步骤见2025-08-11文章）
点击左侧上传你的数据集文件.json格式。
一定要修改第二个单元格代码filepath = ” “（你上传的数据集的名称）
免费 T4 申请教程：https://zhuanlan.zhihu.com/p/642542618
点击Run all一键运行所有代码格
点击Running on public URL的链接: https://b1b7e1e391675e8e31.gradio.live
GitHub提供文档有详细介绍：https://github.com/hiyouga/LLaMA-Factory/blob/main/README_zh.md
提供的视频非常详细，一看就会。
创建虚拟环境: python -m venv tkg_agent_env
激活虚拟环境: source tkg_agent_env/bin/activate
克隆代码库 git clone https://github.com/openai/openai-cookbook.git
进入项目目录: cd openai-cookbook/examples/partners/temporal_agents_with_knowledge_graphs/
安装Jupyter Lab: pip install jupyterlab
启动Jupyter Lab服务: jupyter lab
作用: 本地启动Web服务器，在浏览器打开Jupyter Lab操作界面，与项目文件进行交互。
双击打开temporal_agents_with_konwledge_graphs.ipynb文件
点击“双箭头”图标，重启内核并一键运行所有单元格
等待输出结果
需要OpenAI的API key调用模型分块、问答
分块时如遇到API速率上限可选择更换模型，需自己手动添加
后续没有问题就会生成图谱
可在单元格修改问题测试问答
在作者Huggingface上也有上传的已经处理好的数据集，代码可以直接下载调用
关于过程步骤，整个文件有详细的英文说明。
数据是新时代的石油，但未经提炼的原油毫无价值。今天，几乎所有企业都坐拥海量数据，却发现自己被困在了一座巨大的“信息堆”中——数据彼此割裂，难以查询，无法形成有效的洞察力来指导决策。
如何才能让数据开口说话，甚至能听懂我们的问题并给出智慧的答案？答案是知识图谱。它能将杂乱的数据连接成一张智能网络，让每一次查询都成为一次深度洞察的开始。
DataGraphX 正是为此而生的利器。它不仅仅是一个工具，更是一套帮助企业从“信息堆”迈向“智能洞察”的完整方法论和技术引擎。接下来，我们将探讨DataGraphX如何赋能企业，将数据资产转化为真正的决策优势。