我叫 悠悠，现为 南京农业大学 信息资源管理专业大二学生。进入大学以来，我逐渐对本专业「信息组织、存储、检索与知识服务」的核心命题产生了浓厚兴趣——这个专业不是简单地学数据库或者写代码，而是研究如何把海量、异构、分散的信息，变成人和机器都能高效理解和使用的知识。

大一下学期开始，我自学了 Python 和 Django Web 框架，并在一门专业选修课中接触到了知识图谱（Knowledge Graph）的概念。过去以为数据就该存在表格里、用 SQL 去关联几张表，但知识图谱完全刷新了我的认知：原来「实体-关系-实体」这种三元组结构，可以用 Cypher 单次查询走到第三层、第四层语义关联，还能把结果用图的方式直观渲染给用户。这种「数据结构决定表达能力，表达能力决定认知深度」的思维，是我在大学学到的最重要的东西之一。

从大二上学期起，我开始尝试独立完成一个端到端的知识图谱应用——「蒿草知识图谱问答系统」。这个项目从数据建模、图数据库部署，到后端 API 开发，再到前端可视化交互，全程由我独立摸索和实现。最开始只是想在 Neo4j 里建一张植物百科的图玩玩，但陆续遇到了很多超出预期的问题：怎么让不懂翻译的人用中文自然语言提问就能检索到图中的节点？全文索引的 CJK 分词器怎么配？检索结果太多时怎么控制邻域的展开深度？LLM 生成的答案怎么确保不胡编、每条结论都有图里的来源节点可溯？

通过一学期边学边做，我最终交付了一个完整可用的系统，也由此建立了对「知识图谱 + 大语言模型 + 信息检索」这条技术路线的基础理解。我享受这种「把一个模糊想法拆成小问题、一个一个小问题修掉、最后拼起来跑通」的过程。目前我正在学习更系统地做 NLP 管道设计（意图识别、指代消解、多跳推理），希望未来能在这个方向上做出更有意义的东西。

课余之外，我习惯用文档记录自己的学习轨迹。这个项目的 README 我写到了 140 行，包括环境准备、API 文档、安全说明——不是因为有人要求，而是因为我发现自己写好之后再回头看的时候，能节省 80% 的回忆成本。写清楚本身，就是最好的复习。