要用 AI 创建思维导图，先定义这张图必须帮你理解什么，冻结来源材料，并给每个想法一个稳定的节点 ID。让 AI 基于这些节点提出分支和关系标签，然后由你亲自审核层级。把来源引用和不确定性放在视觉速记之外，以免一张好看的导图本身被当作证据。

思维导图适合用来探索关联、总结材料和规划写作。英国开放大学把思维导图描述为一种从中心主题向外分支、帮助组织相关想法的开放式结构。［1］ AI 可以加快第一轮归类，但无法判断哪种关联对你的目的有意义。先从更宽泛的安全使用 AI 指南开始；如果需要的产出是线性文字而不是导图，请使用把笔记整理成报告的流程。

关键要点

写下完成后的导图必须回答的一个问题。

把有来源支撑的节点与想法、问题和假设分开。

在让 AI 归类之前，先给每个节点一个 ID。

用动词标注关系，而不是依赖连线的位置。

保留交叉链接，不要把一切硬塞进一棵树。

由人批准最终层级，并删除没有依据的连线。

步骤 1：明确为什么要用 AI 创建思维导图

“做一张关于客户支持的思维导图”太宽泛了。先决定谁会使用它，以及使用后应能做什么。例如探索可能的原因、学习一套知识、为文档列提纲、比较概念，或把一个问题拆分为若干研究领域。

写一份简短的导图说明：

字段	要回答的问题
用途	导图要支持哪项决策、解释或学习任务？
受众	谁会阅读，他们已经知道什么？
中心	哪一个短语能命名中心问题？
范围	包含哪些来源、日期、团队或主题？
排除项	哪些内容看似相关，但应放在本图之外？
完成条件	审阅者必须能找到或解释什么？

当你想围绕一个中心进行放射式探索时，用经典思维导图。当带标签的关系比单一层级更重要时，用概念图。肯特州立大学解释说，概念图用标注了关系的连线或箭头把概念连接起来；当“A 依赖于 B”与“A 是 B 的一个例子”含义不同时，这种额外的精确度很有价值。［2］两种形式都可以使用下面的流程——只是做概念图时，关系字段必须填写。

步骤 2：准备 AI 思维导图的输入材料

只收集你获准使用的材料。删除不必要的个人、保密或受监管信息，受限内容请使用获批的环境。保存一份带日期的快照，而不是让模型指向一个在起草期间会变化的文件夹。

建立一份来源登记表，包含 ID、标题、负责人或作者、版本或日期以及存放位置。如果你整理的是自己的想法，把它们标为笔记，而不是外部事实。如果有几份文档涉及同一主题，在合并之前先记录每条陈述出自哪里。

把输入拆分成小的候选节点。一个节点通常只包含一个概念、主张、问题、示例或行动，而不是一整段文字。华盛顿大学圣路易斯分校的笔记指引强调，要复习和综合从不同来源收集的材料，而不是逐字记录一切。［3］这正是为导图做准备的正确方式：节点简洁，而完整的来源仍可供核查。

步骤 3：用节点清单把笔记变成思维导图

给每个节点一个稳定的 ID，这样重新排序时不会丢失其出处。使用以下模板：

节点 ID	建议标签	类型	来源与定位	置信度	候选父节点	状态	负责人
N-001	`[简短概念]`	事实 / 想法 / 问题 / 示例	`[S-01，页码或章节]`	高 / 中 / 低	`[N-000 或未分配]`	已核验 / 候选 / 已排除	`[姓名]`

标签要简短，但不要把重要的限定语简化掉。如果来源只说“第一季度的过渡成本可能增加”，那么“成本增加”就具有误导性。把带限定的原句保存在备注字段或来源摘录中。

谨慎去重。两个短语可能是同义词、可以共用一个节点，也可能描述的是同一想法的不同层级。当合并会改变含义时，询问来源负责人。不要让 AI 把分歧变成一个听起来中立的节点。

步骤 4：让 AI 提议结构，而不是判定事实

把导图说明、节点清单和明确的输出约定交给 AI。一条有用的提示词是：

把提供的节点清单组织成一张候选思维导图。只使用提供的节点 ID。一级分支不超过七个，并说明每个分支的归类规则。返回一张表，包含节点 ID、建议的父节点、关系标签和一句话理由。把事实、想法、问题和假设作为不同类型保留。不要创造事实、合并相互冲突的主张或删去不确定性。把难以归类的节点放进例外清单。

当材料支持不同视角时，至少要求两种结构。一种可以按主题分组，另一种按利益相关方、生命周期阶段或因果关系分组。比较不同结构能暴露隐藏的假设。模型偏好的版本并不自动就是最好的。

除非导图只是临时的，否则拒绝“其他”“背景”“杂项”这类笼统的分支名称。好的一级分支应有连贯的纳入规则。如果某个分支包含了大部分节点，就把它拆开，或收窄中心问题。

步骤 5：逐条核验关系

审核每个节点的建议父节点和关系。使用明确的动词，例如导致、依赖于、包含、与……对比、支持、以……衡量或引出问题。没有标签的连线可能掩盖模型推断的是相关、先后、归属还是因果关系。

对每条连接，问：

来源是明确陈述了这种关系，还是这是一种解读？
方向是否正确？
是否有另一个父节点同样合理？
这条连线是否在没有标注的情况下从事实跨到了假设？
是否丢失了某个注意事项或例外？

对外部主张使用 AI 事实核查流程。NIST 的生成式 AI 风险概况指出了虚构内容、隐私、信息完整性和人工监督等风险，应在整个流程中加以管理。［4］在这里，这意味着限制输入、保留来源定位、标出模型添加的文字，并把最终决定权交给人。

步骤 6：保留交叉关系与疑问

思维导图通常画成一棵树，但许多主题其实是网络。如果一个节点属于两个分支，选定一个主父节点，并把另一个记为交叉链接。不要复制节点，以免无意中产生两个版本的证据。

为“这归哪个团队负责？”或“这两个来源说的是同一件事吗？”这类缺口单独建立一个问题分支。问题是有用的产出，而不是需要掩盖的缺陷。明显标出假设，并说明什么证据能证实或否定它们。

控制视觉复杂度。力求标签简短、一级分支数量可控、层级深度一致。把支撑细节移到关联的笔记中。一张包含来源中每一句话的导图，只是图形化的逐字稿，而不是有用的概览。

步骤 7：把审核后的结构转换成所选格式

批准后，把表格转换成大纲、兼容 Mermaid 的文本、OPML、CSV，或工具支持的原生思维导图格式。即使显示层隐藏了节点 ID，导出文件中也要保留经过审核的 ID。

一份可移植的大纲如下：

中心问题 [N-000]
  分支 A [N-010] — 归类规则：[规则]
    概念 [N-011] — 支持 — 来源 S-02 §4
    问题 [N-012] — 未解决 — 负责人：[姓名]
  分支 B [N-020] — 归类规则：[规则]
    概念 [N-021] — 依赖于 — N-011
交叉链接
  N-021 -> N-012 — 可能回答 — 假设

不要让 AI 猜测某种专有文件未公开的结构并凭空生成文件。先导出为一种简单、经过审核的格式，再导入并检查结果。如果导图汇集了多份文档中的主张，请使用来源比较流程跟踪一致之处、冲突和证据缺口。

做一次小规模的往返导入导出测试。把文件导入目标工具，移动一个节点，再次导出，并确认节点 ID、Unicode 标签、备注、交叉链接和顺序都得以保留。记录工具删除或改写的字段。如果展示工具无法保留证据定位，就把经审核的节点清单作为权威的配套文件，而不是把出处信息硬塞进难以阅读的节点标签。这项测试能把一个可靠的信息结构，与一个仅仅能打开的文件区分开。

步骤 8：进行人工导图审核

请一位了解主题、但没有参与初稿制作的审阅者浏览导图。他们应能找出中心、解释每个主要分支、区分事实与假设、为重要节点找到来源，并找到未解决的问题。

完成以下检查清单：

每个节点都有一个稳定的 ID 和类型；
每个事实节点都有来源定位；
每条边都有站得住的关系，或被标为候选；
没有悄悄合并相互冲突的主张；
交叉链接没有造成重复的证据记录；
已尽量减少保密信息；
已记录导图的版本、负责人和复核日期；
一位具名人员已批准该结构用于预定用途。

把节点清单与视觉导出一起保存。来源材料变化时，更新受影响的节点和关系，而不是在没有变更记录的情况下重新生成整张导图。

常见问题

AI 可以从 PDF 制作思维导图吗？

可以，前提是这份 PDF 能在你获批的环境中处理。先登记文档并保留页码或章节定位。在批准导图之前，对照 PDF 核验提取出的节点。

思维导图和概念图有什么区别？

思维导图通常从一个中心主题向外放射。概念图强调明确标注的关系，并可能有多条交叉链接。选择与问题相匹配的形式。

一级分支应该有多少个？

没有通用的数字。让第一层少到便于浏览即可；五到七个分支是有用的起草约束，而不是判断对错的规则。

应该让 AI 决定层级吗？

它可以提出备选方案，但应由人批准层级。归类反映的是目的和判断，一个看似合理的结构仍可能掩盖重要的少数观点。

如何避免 AI 编造联系？

提供稳定的节点 ID，要求来源定位和关系标签，禁止添加新事实，并把没有依据的连线放入例外清单返回。逐条审核每条边。

一个节点能放在两个分支吗？

优先使用一个主节点加一条交叉链接。复制节点可能在日后造成标签、负责人或来源记录相互冲突。

不确定的想法怎么处理？

保留它们，但标为问题或假设，并记录需要什么证据。不要在视觉上把它们呈现为已核实的事实。

什么时候更新导图？

当来源集或预定支持的决策发生变化时更新。记录版本、日期、受影响的节点、审阅者和原因，让使用者知道自己看的是哪一版导图。

来源

The Open University, Mind maps — https://www.open.edu/openlearn/mod/oucontent/view.php?id=51386&section=6.2
Kent State University Center for Teaching and Learning, Concept Maps — https://www.kent.edu/ctl/concept-maps
Washington University in St. Louis, Note Taking Strategies — https://ctl.wustl.edu/learningcenter/wp-content/uploads/sites/2/2020/11/Note-Taking_TLC_2020.pdf
NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 8 月 29 日。

如何用 AI 创建思维导图，并让每个节点和关系都能追溯来源