知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 08 - Ontology、GraphRAG 与企业系统集成 ## 为什么企业场景需要 Ontology 向量检索擅长语义相似,但 ERP/MES/PLM/WMS/IoT 数据包含明确对象、关系、权限和流程。Ontology 用统一语义描述“订单、物料、设备、工单、库存”等业务对象。 ```text 订单 --包含--> 物料 设备 --产生--> 告警 工单 --关联--> 设备 物料 --存放于--> 仓库 ``` ## GraphRAG 基本链路 1. 从文档和业务数据抽取实体、关系与证据。 2. 实体消歧并映射到 Ontology。 3. 写入图存储,同时保留向量索引和来源。 4. 查询时做意图识别、实体链接和图/向量混合检索。 5. 将子图、文档证据与权限信息交给模型生成答案。 ## 企业系统接入 | 系统 | 常见对象 | Agent 能力示例 | |---|---|---| | ERP | 订单、客户、财务 | 查订单、解释交付风险 | | MES | 生产计划、工单、设备 | 分析停机与产能 | | PLM | BOM、物料、版本 | 查询变更影响范围 | | WMS | 库存、库位、出入库 | 判断缺料和调拨建议 | | IoT | 遥测、告警、事件 | 告警归因与处置建议 | ## 集成原则 - 用 Adapter/Anti-Corruption Layer 隔离各系统模型。 - 查询和命令分离;写操作必须鉴权、审批和幂等。 - 保留 source_system、object_id、version、timestamp、ACL。 - 事件通过 Kafka/RocketMQ 更新知识与缓存,处理乱序和重复。 - Agent 输出必须携带证据,不让模型直接伪造业务事实。 ## 验收项目 模拟 ERP + MES:用户询问“订单为什么延期”,系统沿订单→物料→库存→工单→设备告警关系检索,返回带证据的原因链;调整计划前触发人工审批。
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入