67份合同,20个跨文档问题,全部答对——KGraph是怎么做到的

一份合同好找，一百份合同难答

企业文档越积越多，但能用的知识越来越少。合同、报告、会议纪要散落在云盘、邮件和业务系统里，格式各异、互不关联。员工凭记忆找文件，跨文档的关联问题几乎无法回答。传统关键词搜索只能匹配字面，通用RAG在全库向量检索时精度随文档量急剧下降。“所有合同中甲方的违约金上限”这类跨文档问题，传统方案基本无法给出可靠答案。

更棘手的是信任问题。通用大模型基于概率生成，容易出现“幻觉”——回答无来源、无法追溯，越权访问风险高。企业在“找得到、看得懂、敢交给AI”三件事上同时受阻。

针对这些痛点，北京星纬算法科技有限公司自主研发了KGraph企业知识图谱智能平台。

KGraph的定位是在企业现有系统与AI应用之间，建立一个可控的知识底座。产品遵循一条主线：文件→知识→智能。

第一步：文件管起来。 目录管理、上传下载、版本管理、回收站，用户/部门/角色三级权限体系，多租户严格隔离。后续的知识检索、图谱浏览、AI问答全部在这套权限之上运行——无权查看的文件，AI也一字不提。

第二步：知识串起来。 上传即启动全自动流水线：解析→切块→向量化，14种文档类型自动分类。更重要的是实体、关系、属性的结构化抽取——合同中的甲方、乙方、金额、日期被提取出来，跨文档的同名实体自动链接成图谱。每个文档不再是一个“文件”，而是一张可搜索、可关联、可推理的结构化知识网络。

第三步：AI答起来。 用户提问后，系统先做意图分析，再通过层次化检索定位到具体文档和段落，最后由大模型生成带引用的答案。每个答案都可追溯到具体文档、页码、段落。

在67份真实合同文档构成的知识库中，AgentQA回答20道跨文档问题全部正确，复杂问题平均作答耗时48秒。

部署方面，Docker Compose一键私有化部署，数据留在客户自己的环境中。兼容麒麟/统信UOS国产操作系统、达梦等国产数据库、昇腾等国产算力，支持国密算法，全栈可内网运行。所有AI能力可审计、可追溯、可评测。

KGraph的产品演进路线覆盖数据目录与指标语义层、受控问数（Text-to-SQL）、MCP双插件生态和垂直应用模板。底座能力不变，行业知识与交互模板可快速定制——合同、采购、项目管理等方向已在规划中。

KGraph的目标很简单：让企业的每一份文档，都能被检索、被理解、被问答。

我们做的是一件很底层的事——知识记忆模型。让机器像人一样，能记住、能理解、能调用，而不是每次从头开始。如果你也面临企业知识沉淀难、检索不准、AI不敢用的问题，欢迎联系我们。