一篇 密歇根大学预印本 介绍了一种将硬件数据手册转换为可搜索知识图谱的方法，同时保留每项提取规格与来源之间的链接。在20份数据手册中，作者报告称，图谱中98.8%的属性得到其引用来源段落的支持，而一次性方法为76.1%。这一结果衡量的是作者评估中的提取质量，并不表明从任一图谱选出的组件都能在成品设计中正常工作。

重大变化

  • 变化内容： 研究人员将数据手册处理拆成有界提取、图谱归类和多轮清理，而不是要求模型一次性生成完整图谱。
  • 为何重要： 工程师查询组件约束时，需要数值、适用的运行条件，以及返回数据手册的途径。在这项比较中，分阶段方法保留了明显更多有来源支持的属性。
  • 值得关注： 报告的分数来自20份文档，并与一种一次性基线比较。独立复现，以及在真实组件选择或验证流程中的测试仍有待开展。

该流程让每项规格都与来源相连

数据手册会在正文和表格中分散列出规格。电压范围可能取决于器件型号或工作模式，因此孤立的数字无法完整回答工程师的问题。作者的方法先将PDF数据手册转换为Markdown，保留表格结构并把文本切分成段。它会保持每张表完整，使标题和单位仍对应其说明的单元格。图示不会纳入输入；对于将规格放在图中的文档，这是一个重要限制。

模型会从每个文本段中提取发现的属性名称、说明、数值或范围以及单位。若来源提供了条件、配置和器件型号，说明中也会保留这些信息。每项属性都保留其来源文本段。第二阶段再将属性放入图谱的功能模块下。例如，UART波特率规格属于UART模块；多个外围设备共用的规格则位于更高层级。如果起始类别模板缺少模块，模型可以提议新增。

系统要求模型给出明确的归类和编辑指令。由本地软件检查这些指令，并应用于已存储的属性，而不是让模型重新生成整个图谱及其数值。后续轮次会合并重复规格、区分名称相同的属性，并重新处理在更合适模块尚不存在时就已放置的属性。这种分工更容易将错误数值或归类追溯到来源文本段和处理步骤，但不能保证模型的语义判断绝无错误。

检索时，系统可以识别相关功能模块，并查看其属性以及从父模块继承的适用属性。这是论文提出的一种缩小图谱搜索范围的设计。论文没有报告实地试验来证明它能加快工程工作或减少兼容性故障。

比较衡量了什么

作者用GPT-5.4、温度0.2对两种方法进行了测试，材料为20份数据手册：七种传感器、五种处理组件、五种电源模块和三种通信组件。文档共计1,040页。一次性基线获得与分阶段系统相同的解析后Markdown，并须在一次查询中提取、去重并组织完整图谱。因此，两种方法在这项比较中都没有图示内容。

98.8%和76.1%这两个数字衡量的是 属性忠实度：附在提取属性上的段落是否支持该属性。研究人员用大型语言模型判断语义支持，基线方法声称的引用还必须与输入文本一致。随后，研究人员比较了每个图谱中忠实信息有多少能从另一个图谱中找回。分阶段图谱完整涵盖了基线图谱忠实且规范化属性的83.6%；反向比较时，基线完整涵盖了分阶段图谱属性的10.5%。

这些是方向性相对覆盖率，并非原始数据手册全部规格的占比。研究没有穷尽式的真实标准清单。作者对属性进行规范化，以减少不同图谱拆分规格方式造成的差异，再让模型判断覆盖是完整、部分还是缺失。人工检查发现，200条抽样规范化指令中186条遵守了既定规则；八条不符合，六条含糊。这些错误可能影响覆盖率总数。

这项工作也有处理成本。论文称，一个含800多个属性的Analog Devices传感器图谱，因模型查询和API延迟，单次细化迭代约需17分钟。作者将三次迭代作为折中。论文没有提供每份数据手册的一般成本，也未证明该流程在生产规模下经济可行。

工程用途仍待检验

实验衡量的是提取出的知识，而不是组件决策。在作者的测试中，将密集文档拆成可追溯的提取和图谱编辑步骤，比其一次性基线产生了更多有来源支持的信息。工程师可以用此类图谱定位候选约束，并查看附带的原文段落。在决定使用某个组件前，仍需人工核对原始数据手册及适用条件，尤其是流程未读取的图示中包含的信息。

这是一篇两位作者的预印本，版本1于2026年10月8日提交。BIG CHANGE审阅了论文及其报告的方法和结果，但没有运行该流程，也未独立将其图谱与20份数据手册逐一核对。论文未证明其相较其他提取系统的表现，也未证明它适用于更多类型的文档或已部署的硬件工作流程。

来源与延伸阅读