从业务样本而不是功能愿望开始
针对“同一客户、产品、设备或项目在不同系统使用不同名称和编码”，项目启动前抽取不同用户、时间段和异常类型的代表性任务，复原从输入到结果的完整路径。访谈内容与系统日志交叉核对，区分事实、推断和待验证项。对没有数据支撑的判断，先设计采集办法，不把主观感受直接写成项目收益。
例如可以抽取连续20个工作日的任务，记录数量、角色、处理时长、等待节点、返工原因和最终状态。样本量是否足够取决于业务波动与风险，不采用一个“通用正确数字”。
C级 · 能力场景示例
适用于知识分散在文档和业务系统中，问题经常涉及多个对象、时间版本与上下游关系，传统关键词或纯向量检索难以完整回答的企业。本页为C级能力场景，不代表所有知识库项目都需要建设知识图谱。 本页不主张已完成某个特定客户项目，也不使用未经授权的客户名称、业绩或经营数据。了解案例证据分级
典型业务挑战
同一客户、产品、设备或项目在不同系统使用不同名称和编码
问题跨越多份文档和多类实体，单段相似内容无法给出完整依据
自动关系抽取会产生错误边、重复实体和时间版本冲突
图谱如果脱离源系统持续更新，很快成为新的过期数据孤岛
复杂图查询可能扩大访问范围，必须继承原始数据权限
方案设计思路
01
用真实问题比较关键词、向量RAG、结构化查询和GraphRAG基线
02
明确实体、关系、属性、时间、来源和业务主责的数据模型
03
对高价值关系采用规则、模型抽取和人工抽样共同治理
04
组合全文、向量、图遍历和业务系统查询形成混合检索
05
答案展示来源、关系路径、版本和无法确认的信息
06
建立增量更新、冲突处理、权限过滤和固定问题回归机制
知华可承担的项目职责
与业务、数据和安全团队确认问题、实体、关系和权限边界
建立基线并判断GraphRAG是否优于更简单的检索路线
开发知识处理、图谱治理、混合检索、引用和运营能力
完成关系错误、冲突版本、越权、多跳性能和故障回退测试
实施约束与能力边界
01
GraphRAG适合关系密集的问题，简单文档问答不应为了概念过度建设
02
模型抽取的实体关系必须保留来源并接受抽样或人工复核
03
源数据质量、主数据编码和更新责任决定图谱长期可信度
04
搜索结果只继承用户原有权限，不能借图关系绕过数据隔离
系统能力范围
知识源目录实体关系模型关系抽取与消歧图谱存储混合检索关系路径解释权限与来源引用质量运营中心
可交付成果
PROJECT OUTPUT问题集与技术路线对比报告
PROJECT OUTPUT实体关系和来源数据模型
PROJECT OUTPUTGraphRAG搜索应用源码
PROJECT OUTPUT抽取消歧和权限规则
PROJECT OUTPUT文档及业务系统连接器
PROJECT OUTPUT质量性能与安全评测报告
PROJECT OUTPUT更新治理和运维手册
应形成的工程证据
作为C级能力场景，本页不声称已持有某个客户的项目证据。类似项目实施后，应按合同范围形成以下可核验材料。
VERIFIABLE EVIDENCE目标问题、现有检索基线、实体关系和来源清单
VERIFIABLE EVIDENCE实体消歧、关系抽取、冲突与时间版本评测样本
VERIFIABLE EVIDENCE关键词、向量、图谱和混合检索的独立对比报告
VERIFIABLE EVIDENCE答案引用、关系路径、原始证据和人工确认记录
VERIFIABLE EVIDENCE越权、关系扩散、注入、数据删除和增量更新测试
VERIFIABLE EVIDENCE命中、无答案、人工修正、延迟和运营成本复盘
建议写入合同的验收标准
固定问题集上的答案完整性与引用质量达到确认基线
关键实体和关系能够追溯到原始文档或权威业务数据
同名实体、冲突关系和时间版本按约定规则处理
不同用户的搜索、图路径和答案严格遵守原始权限
知识更新或删除后图谱和索引在约定时间内同步
企业人员能够维护模型、映射、规则和回归评测资产
CAPABILITY CASE WALKTHROUGH
能力场景如何落到项目计划
本段继续采用C级能力场景口径，数字为估算方法示例，不代表任何特定客户成果。
将系统能力映射到具体责任
场景中的知识源目录、实体关系模型、关系抽取与消歧、图谱存储不会作为孤立模块堆叠，而要对应到业务角色、数据来源、操作权限和异常处理。每个关键状态定义谁创建、谁确认、什么条件可以流转、失败后如何恢复，并明确客户业务团队与实施团队各自负责的资料、审批和系统环境。
原型评审使用真实字段和代表性流程。涉及第三方系统时，在排期前核对接口文档、测试账号、调用限制和联调负责人；无法确认的依赖单列风险，不在开发后期才暴露。
正常、异常和边界任务都要覆盖
验收集至少包括标准流程、字段缺失、重复提交、越权访问、外部接口失败、数据冲突和人工退回。建议形成目标问题、现有检索基线、实体关系和来源清单、实体消歧、关系抽取、冲突与时间版本评测样本、关键词、向量、图谱和混合检索的独立对比报告，让每条验收结论能够回到需求、版本、执行记录和最终结果。
若场景包含AI能力，还需固定评测问题、期望结果、引用依据和拒答规则；若包含交易或数据同步，则重点验证幂等、对账、补偿与回滚。
示例数据只用于建立测量方法
假设改造前每周有300项任务、平均完成周期2.5天、人工追问率25%，可以把目标写成“首期上线六周后，在任务复杂度相近的前提下，平均周期下降20%，追问率不高于15%，关键数据完整率达到98%”。这些数字必须在正式项目中由双方依据基线重新确认。
合同验收可重点核对固定问题集上的答案完整性与引用质量达到确认基线、关键实体和关系能够追溯到原始文档或权威业务数据、同名实体、冲突关系和时间版本按约定规则处理。业务指标未达到时，需要区分系统缺陷、数据条件、流程执行或外部依赖，不把全部问题简单归因于技术。