00:01
大家好,接下来我将围绕我们q no知识平台的整体功能架构,从知识图谱、知识库、知识应用三个模块,系统性的介绍知识平台在实际落地中的一个实施路径。本次介绍重点突出知识如何治理以及应用全流程构建。首先,我们从支付补模块开始。那我们在构建这个知识图谱之前啊,需要先进行一个啊前期规划,那接下来我将围绕规划建模,抽取,融合推理这一完整的一个闭环,系统的讲解如何高效的构建系统级的企业级的一个之图谱。那我们在构建知识图谱之前,我们需要基于业务领域啊,进行一个顶层设计,我们需要明确建设哪些主题的一个图谱,比方说我们啊,在医学领域,我们就可以建这个医学实体关系的一个突破,在我们水利领域,我们就可以建防汛抗旱和水利基础设施的这个知识图谱。
01:17
那我们这些呃,图谱设计完了之后,我们就可以在这个我们知识图谱里面啊,去新增我们相关的图谱,填写相关的这个图谱信息啊,图谱创建完之后,那我们就可以一键进入这个我们的专属图谱空间,在我们啊图谱设置中也可以更改刚刚我们配置的一些啊图谱相关信息,同时也可以配置这个图谱的相关的权限,确保我们图谱的资产可管可控可追溯。好,那我们接下来看一下我们这个图谱啊,构建的一个全流程,首先我们看一下它的图谱最终的一个状态,大概是以这样的一个形式展现好,那这些图谱的数据是如何来的呢?接下来我们就看一下它的一个构建流程。
02:10
第一步我们会到我们知识中心这个模块,在这个模块里面,我们通过知识分类。啊,这个体系将我们所有的异构的知识进行一个啊结构化的一个组织。那我们规划好这个知识分类之后,我们会在这个分类里面去啊,新增啊,这个我们相关的这个文档。那我们这个文档目前支持我们的PDF啊,Word呀,Excel markdown啊等10家格式的这个非jar文档。也支持啊,同样支持我们非有关的,同样也支持我们的啊,结构化数据。我们所有上传的这个文件啊,会统一的纳入我们的这个,呃,资产库啊,支持同样我们这个上传的文件都支持我们的这个啊预览呀,下载这些技术的一些这个操作,那我们刚刚提到,那我们结构化出去的知识是从哪边录呢?那我们就看一下我们的数据管理里面,这边有一个我们的数据源。
03:21
那我们9化出去啊。呃,结构化知识是通过我们的数据源去配置我们相关的一个数据源连接,后续呢,我们会从这个数据源里面去抽取相关的这个知识,然后也作为我们的啊图谱来源之一。好,那我们啊,在我们知识啊,这个相当于我们的知知识的一个资产,那我们准备就绪之后,下一步便是我们的一个核心环节,知识抽取,那么为确保我们抽取的一个精准高效,我们需要先完成一个配置,叫做我们的图谱模型的一个配置。
04:02
那我们图谱模型啊,这一块是什么呢?图谱模型是我们知识抽取的,相当于我们知识抽取的一个蓝图,在这里我们需要定义这个我们。图谱模型相关的一个概念和我们的关系。啊,通过我们的概念关系去构建我们的一个本体,这边我举个例子,比如说我们有一现在有一个疾病的一个关于疾病的一个文档,那这里面文档啊,我想抽取这个,比如说我们的高血压啊,引起我们的心脏病,那我们这个时候我们需要先对这。这个。高血压和心脏病这两个,呃,实体对它进行一个抽象啊,抽象出比如说我们配置的是病因。高血压抽象出病,然后我们的心脏病啊。
05:01
抽象出它是疾病概念,概念相当于就是抽象的一个,把这个具体的实体抽象出来一个分类。可以这么理解,然后呢,再通过关系将这两个组成起来,比如说病因引起疾病好,这样的话我们就配置,这样的话我们已经配置了这个概念和关系的配置,那我们随着我们知识呃概念和关系越来越多。那肯定会导致我们啊这边很多嘛,类似我们这样的,那我们这个时候就需要给他付一个分组,那这个分组就是我们图谱模型,比如说在医学里面有疾病的一个模型,或者是医疗器械的模型,每个模型下有不同的这个概念和关系,那这个概念和关系后续会用于到我们啊抽取任务,所以他也可以在这边绑定啊,查看这个已经绑定的这个啊抽取任务,好,那下一个下一个问题就是我们如如果说这个我们不知道这个文档的内容,那我们如何去配置。
06:13
呃,这个我们的概念名称和关系名称啊,这个时候我们可以通过我们AI的一个辅助的一个功能去给你上,你直接上传一个文档,然后它给你生成相关的这个概念和关系,如果啊,如果没有问题的话,就可以导入进来,这样的话省去自己去阅读这个文档的一个步骤啊。这个是我们啊突破模型的一个管理。啊,目前这个图谱模型,它,嗯,既是这个我们知识抽取的蓝图,同时呢,它也。是我们后续所有的一些,比如说应用啊,知识融合,推理啊,问答这些下游的这些应用都会啊,有相关,所以说我们模型配置是非常重要的一个配置,它模型配置一次定义多处复用啊,实现我们的建模及赋能。
07:15
好,接下来我们好看一下我们的知识抽取这个模块,那知识抽取模块就是基于我们上述配置好的这个图谱模型,目前呢,是支持双路径的一个智能抽取啊,分别是非结块抽取和结块抽取,那我们非结块抽取是依托我们大模型的一个理解能力,那这边可以新增一个非激光抽取的任务,导入我们知识中心中的文件,然后以及导入我们想要抽取的这个概念和关系。然后这边啊,填写相关的信息直接保存,保存完了之后就可以啊,保存完了之后会生成一个啊待抽取的待执行的一个任务啊,这边我们直接点击执行就可以啊,进行一个异步的一个抽取,这边只要等待抽取完成即可,抽取完成之后我们可以点击它的抽取结果,查看这个我们呃,这个大模型抽取出来的一个结果。
08:17
然后我们点击里面的这个图谱,我们可以查看这个图谱的相关信息啊,例如它的啊属性啊,三元组,以及它关联的一些分段啊,以及他关联的一些文件,都可以在这边进行一个追溯,如果说这个图谱有问题的话,我们可以对它进行一个编辑和删除,这边我先取消发布一下,对它进行一个编辑啊,我以及他的一个啊关系的一个编辑。如果啊有问题,如果说需要删除,也可以直接进行一个删除,然后进行人工审核,确认没有问题之后,我们就可以进行一个发布操作,那我们发布操作就是其实就是把我们这个图谱啊,发布到我们最终刚刚一开始看到我们这个最终总的一个图谱探索里面,好,那我们这边啊回到我们的直抽去。
09:08
好,那我们结构化抽取啊,跟我们啊非结构化抽取啊,唯一的不同点就是我们结构化抽取是从我们的刚刚我们在数据管理里面配置的这个数据源里面啊去抽相关的数据,那我们计划抽取又可以啊,因为数据每天是啊不断的去更新变换的,所以我们这边会定时可以用户可以自己定义,自自定义设置我们这个啊,它是由全量更新还是有增量更新,以及它更新的这个频率是什么。啊,那这边是需要填这个框表达式,如果说有问题,如果说不会填可以啊,借助这个生成器进行一个辅助生成,好,然后我们就可以对它进行一个数据映射,那我们数据映射这一块,嗯。
10:01
需要先导入我们啊需要映射的表,比方说我们刚刚啊配置的疾病这个表,我们有两张表,一个是疾病,一个是症状表,那我们这两张表,首先我们先要把这两张表啊导入进来。导了进来之后,我们需要对这个表进行一个映射,那我们这个映射的规则就是我们的表对应的是我们的啊概念。那表。字段对应的就是我们的啊概念里面的这个属性啊,这边属性这边补充一下,刚刚这边补充一下,就是在我们啊图谱模型里面,我们这个概念配置完了之后,也可以继续配置它的这个属性,那这个属性啊就是我们可以配置它的数据类型啊,文本整数,小数这些,其实就是后续我们对应到这个计构划数据里面的这个,呃,我们的这个相当于它的一个呃表字段。
11:10
好,我们还是刚刚导入我们这两个表,然后我们进行一个映射,好根据我们刚刚的说的规则,我们的概念对应的是我们的我们的表,那这个表对应概念,然后我们这个表的字段就是你用来展示图谱里面字段肯定用它的名称,或者用它的其他的,呃。Nick name嘛,这种都可以,然后它的主件的毋庸级应啊,还是ID,然后我们这边属性啊,对应的就是就是概念的属性,对应的就是我们的表里面的这些字段,比如说我们刚刚这个疾病有两个概念,刚刚配置的一个是名称,一个是描述,分别对应我们啊数据表里面的name和description字段,好那它的关系。
12:02
就是对应我们表与表之间的关联关系,那我们刚刚这边呃也配置了这个关系啊,刚刚是配置了一个呃疾病表现出症状的一个关系,那我们疾病那它肯定有一个这个数据表字段关联,就是疾病表的ID关联,症状表的disease ID, 然后症状表的呃名称用name,这样的话我们就配置了一个它的疾病和症状的一个。两个表的一个,呃,抽取映射,那我们映射完了之后也是一样,然后保存之后生成一个结构化抽取的一个任务,点击执行,可以在后台进行一个异步的一个执行,那执行结果啊,类似这样的一个结果,那我们跟我们非计划处理是一样的,同样我们需要进行一个啊人工的一个审核啊,如果说没有问题那。
13:06
这也是一样,去啊,去发布到我们最终的一个徒步探索页面。那么以上就是我们结构化和非结构化抽取,嗯,最核心的两个功能,那这两种抽取的结果啊,均需进行一个人工校验啊,主要是为了确保我们的这个知识质量源头可控,过程透明,结果可信。那我们至此呢,我们已经构建出一个初步的一个知识图谱,但是呢,目前啊,肯定会存在一个问题,就是随着我们的啊数据源就是我们知识中心的,哪怕你啊数据数据源里面的啊,他的数据越来越多,那我们这个知规模肯定会越来越大,然后也会发生一些实体冗余啊,表述不一样,羽翼碎片这些啊问题。啊,所以我们将引入这个知识融合和知识推理的引引擎,对我们图谱进行一个深度优化和智能增强。
14:11
啊,那我们看一下知识融合模块,那我们知识融合模块,它首先我们要看一下它的一个啊融合规则,那么这是融合规则内置啊,智能融合和智能融合两种方式,那我们智能融合它的意思就是我们会每天凌晨。会自动去扫描这个我们知识图谱里面已发布的所有的一个全量实体,那我们基于我们的以下下面配置这些规则会去啊判断啊是否有待融合的一些呃实体,如果有的话,我们会生成一个啊待融合的一个任务,待处理的一个任务,我们就可以点击进行一个详情去查看这个任务里面啊有哪些实体是类似的,比方说目前这个肾功能衰竭和肾功能下降,它会因为像素度比较高,它会判断是不是同一个实体,我们点击也可以去查看它的信息作为的依据,如果是的话,我们直接点击啊,保留一个实体就可以,然后我会把另一个实体给删掉,然后把另一个实体的属性全部移直到保留这个实体上,如果否的话,就直接填否。
15:22
好,这个是我们啊智能融合的一个规,一个啊流处理流程,那我们自动融合就没有那么好复杂,自自动融合就直接就是我以下的,只要符合以下的这个融合规则,我会直接融合,不需要再进行一个人工处理的一个二次操作,这个可根据。啊,不同的业务需要不同的业务场景啊,进行一个配置,好,那我们看一下下面具体的两个规则,第一个是我们实体对齐规则。那么实体对齐主要是对实体的一个相似度进行一个啊匹配啊,这边可以设置它的相似度与值,比方说设置70%那相似度啊。
16:08
低于70%的啊就没有问题,如果说相似度高于70%,我们就会把它啊执行后续执行一个融合操作,那么属性融合是建立在我们确立确定了两个实体已经是啊相似的实体,准备执行融合的时候,发发生了它的属性冲突情况,两个属性有两个属性是冲突的,那这个时候我们属性融合。可以配置它的一个时间优先性策略,可以取最新的或者是最早的啊,根据它的创建时间或者是啊更新时间去取得的最新或者是最早啊最早的两种啊去去取留嘛,留一个我们的这个相关的一个尸体。相关的一个属性。啊,然后呢,除了这两个融合规则之外,我们还有一个就是我们实体归一化,其实这个也叫本体对齐啊,这这个功能主要是为了因为我们除了我们相似度匹配,其实还有一种情况就是啊,我们可能会出现两个实体,它虽然相似度很低,但是他们是确实在这现实环境中是同一个实体,只是一个别名。
17:26
比如说我们在医学上脑卒中又叫中风,它其实这两个它的相似度很低,但是它确实是同一个实体,所以这个时候我们会优先去把先把这些所有的这个啊。本体给它全部归一,然后之后我们再进行这个我们相关的一个融合操作啊,以上呢啊,就是我们知识融合的啊全部内容,那通过这一套融合机制,我们系统可以将这个分散的这个知识自动聚合成高与知性的。
18:04
啊,这是网络大幅提升我们图谱的一个可用性。好,接下来我们看一下知识推理的一个模块,那我们知识推理跟融合类似啊,知识推理啊,每日会启动一个知识推理的引擎,基于预设的一个规则啊,它的比如说它的一个传递的一个包含规则,去发现一些潜在的语义关联。那我们每天会生成一个这样的一个任务,然后由我们的啊专家去进行一个啊人工审核啊,比方说我们目前系统中存在一个循环系统。嗯,那我们循环系统它现在包含了是心脏,心脏又包含了这个心包,那我们就可以推出循环系统包含这个心包这样一个潜在的关系,目前是用虚线的嘛,如果说确认是的话,我们会把这条虚线变成实线,如果否的话,就是相当于没有这个关系。
19:07
啊,这边啊,主要也是对我们知识图谱做一个内容的一个丰富啊。他同样啊也是啊,这个需要人工审核,这样的话啊,既确保了新增知识的这个智能可靠啊,又把又持续呢,我们可以丰富这个图谱的深度与广度。好,那至此呢,一个高质量可演进的,可解释的这个企业级的一个知识突目前就已经构建完成了,好,接下来那我们进入第二个模块。知识库模块,这个模块主要是聚焦于非知识图谱形态的一个知识组织啊与检索。好,与图谱类似啊,我们知识库建设也属于业务规划啊平台,我们平台是提供这个啊多知识库的隔离管理能力,比方说你按也是按领域或者是项目主题都可以去划分我们的这个知识库。
20:15
那我们知识库也是创建相关的这个知识库的啊,要输入相关的这个知识库信息,那这一块我们除了基本信息,我们还会配置这个知识库的一些。智能索引的一些策略,比如说它是高质量还是经济,我们一般推荐是高质量,高质量使用的是大模型去处理啊,我们车库中的文本的,然后以及可以自己自定义去选用一些相关的B的模型去啊做这个啊向量化处理。然后啊,就是我们的检索设置,检索设置分为向量检索,全文检索和混合检索,那我们向量检索就是检索向量,全文检索是检索文本,那么混合检索是二者都有啊,一般我们会配置它的这个啊rank模型来进行一个相关的一个,呃。
21:06
啊,进行一个检索的一个配置,它这里面也可以配置它的top key, 那我们top key这边主要是啊检索出来啊进行排序一下去前几个,比如说配置3就是去前三个啊相似度最高的这个分段,然后一次过滤值,就是我们所过于值,就是设置的我们相似度分数的一个最小阈值,就是低于这个最小阈值,我们就不给你召回这个分段,嗯,大概是这个意思。然后。这一块啊,我们配置完了之后还是一样保存啊,即可到我们知识库配置,然后我们啊就可以点击知识库,然后进入这个知识库专属的一个空间,那么也是一样,我们也可以在知识库设置里面去配置它的,刚刚我们配置的一些所有的信息都可以在这边进行一个编辑操作啊,那我们知识库啊首先呃。
22:03
也是分为啊几个功能,首先是它的知识分类。那我们知识分类呃,跟我们知识图谱的分类一样,也是啊,通过这个分类数进行一个组织的,那我们啊分类建完之后,就需要建一下我们的这个相关的一个知识文件,目前我们的文件啊也是啊支持啊施加这种啊,这种各个格式的这个文件都是支持的,那我们这边多了就是多了一块,就是我们需要在上传知识库的文件,需要配置它的一个分段啊,解析的一个规则,比如说配置它的分段标识符,分段最大长度,以及分段重叠的一个长度,然后以及配置一些文本的预处理规则,就说替换的空格换行符这些啊,这边是我们配置的啊,这个知识库的这个。呃。
23:01
这是文件的一个上传的一个配置,上传完了之后我们就可以啊,后台会把这个文件进行一个向量化的一个解析,根据刚刚我们配置好的规则存到向量库里面,那我们在系统里面就可以查看啊,这个解析最终的一个解析的一个分段的结果,如果说这个结果有问题,也是支持人工调整。确保我们支持入库啊,0误差,高保证。好,那接下来我们看一下召回测试这个功能。在召回测试的模块啊,我们主要是通过模拟查询实时的。实时验证这个检索的一个效果,你比方说我们可以查询啊,一个相关的这个文档。去召回一下它相关的文档。啊,这边就可以啊,查看我们目前召回的是啊三段,因为我们这边混合检索这边配置的top key3,然后也是用的软壳模型。
24:08
然后这一块啊,主要就是为了我们的这个快速迭代我们知识库。里面的这个。呃,知识的这个内容,去确保我们知识库里面啊,所有的知识都是啊,优质的这个识这个知识。好,以上就是我们啊知识库的全部的一个啊内容。那我们接下来我们看一下啊,下一个模块知识应用,那我们知识应用这一个模块主要就是讲我们准备好的知识库和知识图谱,这些资产转化为实际的一个生产力。首先是我们常规的这个啊知知识问答模块,那么知识问答是我们知识价值释放的第一处理。
25:04
啊,系统支持啊,跨知识库,跨知识图谱的一个这个呃,联合问答实现我们一出提问啊,全局全域响应,这边可以选择相关的知识谱,然后知识图谱以及相关知识图谱。啊,那我们,呃,知识问答这边核心能力就是主要是包括啊,我们一个多伦上多轮对话的一个上下文理解啊,以原文的引用啊,以及下一轮问题的一个智能推荐,然后以及多模态输入,我们也支持相关输出一些图片啊,或者链接啊,都是啊我们支持输出的。好,那我们,呃,基于这个多模态,我们是需要啊,在我们知识资源管理里面去添加一些我们啊相关的这些图片啊,视频啊,这些啊相关的资源的数据,然后我们在问答的时候,我们就会同步去检索这个资源是否有相关联的资源,如果有的话会同步给你推送。
26:13
这个相关的这个资源。好,那我们啊看一下第二个应用,第二个应用是我们知识推荐,那我们知识推荐是基于我们的用户的一个行为画像,然后主要提供了两块功能,第一块是智能推荐,就是提供一些热门知识啊,关注知识啊,最新知识的一些,呃,相关的一些。呃。知识内知识内容。那第二块就是我们还会有这个我们的检索设置,比方说我们的知识库检索,然后以及图谱检索,可以检索不同知识库或者图谱里面的啊具体内容。那这一块啊。
27:00
我们主要是为了啊提供这个我们啊相关的这个啊智能的一个检索的一个情况,可以通过我们这个。呃,自然语言去啊,检索相关的内容,比如说我们搜一个糖尿病,得了糖尿病的与检索这个相关的啊,这个是A工程的。比如说我去检索他这个图谱。我们就会啊,检索到糖尿病相关的这些啊图谱内容。嗯,这是我们的这个智能检索。好,接下来我们看一下下一个应用,我们的智能写作,那我们智能写作。
28:05
是深度融合我们的这个知识资产以及大模型的能力,那我们有两分为2块功能,第一块是我们的通用智能协作,第二块是我们的模板智能,智能写作。呃,首先呃通用智能写作,我们就是呃配置一些通用的一些基础信息,比方说我们的这个方案标题啊,辅助信息啊,知识以及它的这个字数啊,或者绑定的知识库啊,然后可以通过这些基础的啊,这些信息去生成,首先会啊生成一个大纲。然后我们如果说大模型生成的大纲有问题的话,我们可以啊,在它生成完之后,对这个大纲进行进一步的一个进一步的一个调整修改啊,确认大纲没有问题之后,我们就可以进行一个啊文章的一个生成。
29:12
那么这边就是啊,大模型根据我们的大纲生成的一个文章结果。如果说你生成的这个文章啊,如果说你觉得这个写的不好,或者说写的有问题,我们也可以啊,对它进行一个筛选。啊在啊选中之后,我们可以对这一段进行一个续写啊润色啊扩写这些都是啊支持的。然后润色,我就可以替换或者插入啊,这边就是可以啊对这个文章进行进一步的这个优化啊,那这边我就不继续呃生成了,然后生成呃,然后确认没有问题之后,也可以进行一个保存或者导出word啊,这边啊也是提供正常的这个历史记录的一些查询,然后以及啊我们啊收藏啊这些基础的功能。
30:11
然后这是我们通用的啊智能写作,那我们这边还有一个自定义模板的一个写作,那么模板首先我们先要进行一个方案模板的一个上传。首先我们需要把方案模板上传到我们刚刚那个知识库里面啊,然后我们通过这个呃文件把这个知识库里面的这个呃模板引入过来,引入过来之后我们就可以对这个模板进行一个嗯配置,那我们这一块啊,涉及到几个概念,第一块也涉及到三个概念,一个是模板,一个是接口,还有一个是prompt,就是提示词。那么模板啊,顾名思义就是我们需要生成的文件,比如说我们目前这个日志运动计划,我们建议使用这个真实的文件作为它的模板,然后呢,接口呢,接口这一块主要是第三方的接口,因为我们模板写作它的这个文件,它的模板是固定的,只是说我需要替换里面的这个啊文档里面的数据,那这个数据我们就是从这个接口来,我们可以配置相关的这个接口名称,然后它的接口的访问地址,以及相关的请求头啊,查询参数,这些都是可以通过我们的接口,这些配置好之后。
31:33
我们就可以在这个模板里面去啊,嗯,绑定这个接口,相当于这个模板里面的数据是从这个接口过来的,那我们这个提示词的作用就是说,因为我们接口它有两种情况,第一种情况是这个接口你是可以控制的。啊,你是可以控制它的接口啊,这个比如说它的接口返回值啊,就是。呃,固定的那个格式。
32:01
那这个时候我们就可以直接通过啊这个配置,呃,固定的这个提示词,直接把它复制拷贝过来,我们就可以直接用,那第二种情况就是我们接口是第三方业务系统,我们没法控制他,每个接口返回的格式都不一样,那这个时候我们提示词你就要自己去啊,通过这个提示词自己去把这个接口怎么去绑定啊,这个啊,我们的模板可以自己去写一下。啊,这样的话,我们就是把这个我们啊模板以及接口,接口中的数据就可以绑定到我们模板里面,那我们在智能写作里面,就是点击我们的自定义模板写作,然后导入刚刚我们配置好的这个模板,然后这边会带出它的提示词,这边提词也可以设置,设置多个,然后这边提示词也可以自定义进行一个修改,然后我们就生成方案,这边生成方案跟那边一样,这边我就不过多演示了。
33:03
好,那目前这一块就是我们智能写作的一个应用,好,接下来我们看一下啊,文本智能审查的一个应用。那我们这个应用啊,主要是基于这个相关的规则。呃,首先你要建一个相关的一个规则分类,反正也然后在规则分类中去添加相应的规则,比如说我目前添加的是这个相关的这个语法的一个规则啊,那我们这边配置好这个规则之后。我们就可以啊啊去对这个文章进行一个啊相关的文本审查,目前我们是基于智能写作的一个结果啊,进行一个智能审查,我们回到这个智能写作,就比方说刚刚写出了这个啊这个文章。那我们就要对这个文章进行一个智能审查,那我们这边可以点击它的一个合规性检查,那这个合规性检查我们导入刚刚配置好的这个语法检查的这个啊规则啊,这个规则就包括语通顺啊,或者标点统一啊这些规则,然后当然你也可以额外附加一些自己的一些呃规则。
34:20
然后最终直接点击我们的这个执行检查,就可以让大风行根据这个规则,规则内容去检查你这一篇文章里面啊,写的这个是否存在这个问题。啊,他检查结果就会给你标出来,他的问题也会分成啊三块内容,第一个是他的问题,第二个是他的原文,第三块是他的建议,比方说我们这一块,它这一块就是检查出我们啊这个标点使用不规范啊,逗号应用也应该用全角啊。然后这一块基本上都是啊,可以给他智能检查出来的。
35:05
好,这个是我们的文档审核的一个呃功能。好,接下来我们看一下下一个功能啊,致电攻防,那我们致电攻防主要是啊,打通内外部这个AI的能力。比方说我们有很多第三方平台,它是呃有自己的这个工作流,这个工作流编排的这个功能,那我们就可以将外部的这个智能提供作流无缝接入到我们的这个内部的这个知识生态,实现外部智能加内部知识。那那我们这边操作方式就是直接将外部的这个a pik去,以及它相关的这些啊类型啊,以及啊配置过来,配置它的APH之后,我们就可以在我们的AI应用里面直接啊进行相关的这个啊嗯,我们的AI应用直接可以在我们平台进行一个无缝调用,无缝衔接的一个调用。
36:08
好,以上就是我们知识图谱,知识库,知识应用三个模块的啊,全部产品内容,最后总结一下。知识平台通过统一建模、智能抽取、自动融合、按需应用四大核心能力。帮助企业实现从。数据沉淀到知识驱动的跨越式升级,真正让知识成为可计算、可推理、可服务的。核心资产。以上就是Q诺知识平台的系统讲解,感谢观看。
我来说两句