GraphForge

构建企业业务本体平台

让文档、指标、流程、SOP 和专家经验变成企业统一的业务语言

GraphForge 融合语义层与知识图谱:用图谱表达实体关系与多跳推理, 用语义层统一业务口径,让业务系统与 AI Agent 复用同一套企业语义资产。

0×Token 消耗降低vs 主流 GraphRAG 方案
0×跨文档查询效率30 分钟 vs 人工 1-2 天
5-9业务上线周期Docker 单命令当天可用
6-12 个月投资回收周期典型中型企业测算

企业不是缺知识,而是缺可治理、可复用的业务本体

GraphForge 通过 Schema 自动发现,把文档、流程、指标和专家经验抽取为可评审、可追溯、可被 RAG / Agent 复用的业务本体。

01

文档有内容,系统没有本体

合同、SOP、BOM、KPI、政策散落在文档里,实体、关系、规则仍停留在专家脑中,难以沉淀为可复用的业务 Schema。

文档知识 → 业务本体断层
02

关系查不清,答案给不准

供应商、物料、工序、指标、岗位之间的上下游关系跨文档存在,传统搜索只能找段落,无法直接回答影响范围和根因。

跨文档关系追溯 → 依赖人工拼图
03

本体建模门槛高

传统本体建模依赖业务专家和图谱工程师反复访谈,周期长、成本高,且难以随新文档增量更新。

传统知识图谱项目 → 4-6 人 × 3-6 月

GraphForge 构建的是语义层 + 知识图谱一体化底座

语义层负责业务口径与术语统一,知识图谱负责实体关系与多跳推理。GraphForge 将两者收敛到同一套业务本体,让业务人员、系统和 Agent 使用一致的企业语义。

Object

业务本体层

从文档和流程资料中抽取供应商、物料、订单、库存、客户、岗位、指标、流程节点等业务对象。

实体类型与属性 Schema指标 / 流程 / SOP 对象化行业模板可复用

KG

知识图谱层

识别影响、导致、制约、计算依赖、归属、度量、预警、改善等业务关系,支撑多跳追溯、因果链和跨文档推理。

因果与结构关系指标-流程-SOP 关联关系类型规范化

Semantic

语义口径层

把跨部门、跨系统、跨语言的术语归一到同一业务概念,为指标、流程和问答提供一致的业务口径。

47 组 KPI 同义词239 个术语映射查询扩展与自动归一

Agent

Agent 工具层

Schema 自动发现后进入草稿、评审、版本和溯源流程,并通过 MCP / OpenAPI 提供给企业 Agent 与业务系统调用。

专家评审与 draft 门控Schema 版本审计MCP / OpenAPI 接入

GraphForge 处于业务本体平台的新一代形态

它不是单纯的图数据库,也不是指标语义层工具,而是把业务本体、知识图谱、语义治理和 Agent 工具层收敛为一个可落地的平台。

第一代 · 2012-2018

图数据库时代

Neo4j · TigerGraph · NebulaGraph

主要受众开发者
需懂 Cypher / GSQL,业务用户无法直接消费

第二代 · 2023-2024

GraphRAG 框架时代

Microsoft GraphRAG · HippoRAG · 开源 GraphRAG 框架

主要受众AI 工程师
仍是开发框架,无产品 UI / 评审 / 多租户
GraphForge 所在位置

第三代 · 2025-

业务本体平台

GraphForge

主要受众业务专家 + Agent 平台
语义层 + 知识图谱 + Agent 工具层一体化

相比开发框架(MS GraphRAG / LightRAG):提供前后端完整产品 + 多租户权限 + Web 可视化 + 评审流程 + 领域模板库
相比图数据库(Neo4j / TigerGraph):面向业务对象、关系语义和术语口径建模,可选 Neo4j 作为存储后端

为什么选择 GraphForge

不是再做一个图数据库工具,也不是交付一套开源框架,而是把业务本体、知识图谱、语义治理、问答和 Agent 接入做成业务可用的平台。

维度自建 GraphRAG开源框架GraphForge
上线周期3-6 个月起,依赖建模与工程团队2-8 周 PoC,生产化仍需补齐 UI / 权限 / 评审基础部署当天可用,业务正式上线 5-9 周
使用人群数据工程师 / 图数据库专家AI 工程师 / Prompt 工程团队业务专家直接使用,零代码完成上传、评审、问答
数据质量依赖项目制规则与人工清洗多数停留在抽取与检索,治理链路需自建抽取、冲突、溯源、专家评审、上线闭环内置
语义复用通常需要写 Cypher / API 二次开发偏框架能力,业务侧入口不足业务问答 + MCP Server + 100+ OpenAPI,同一业务本体供人和 Agent 复用
合规部署可控但成本高,交付周期长组件拼装多,安全责任边界复杂私有化、国产 LLM、离线 License、源码保护就绪
投入回收典型 18-24 个月PoC 快,生产化成本不确定典型中型企业 6-12 个月回本

覆盖业务本体构建、治理与复用的 4 大能力域

从业务资料汇聚、本体建模、语义治理到人机复用,GraphForge 将传统知识图谱项目与语义层建设封装成可运营的企业业务本体平台。

01 · 阶段

汇聚

  • 15+ 种文档格式(PDF / Word / Excel / PPT / 图片 OCR)
  • 批量上传 + 自动去重
  • URL 抓取 + 结构化数据导入
02 · 阶段

建模

  • AI 自动发现业务本体 Schema(多轮校验防发散)
  • 实体 / 关系 / 同义词 LLM 自动归一化
  • 领域术语与同义词库,跨部门 / 跨语种自动对齐
03 · 阶段

治理

  • 重复检测 + 幻觉识别 + 来源溯源
  • 多策略冲突解决(自动 + 人工裁决)
  • 分阶段评审流程:草稿 → 待审 → 通过
  • 实体合并 + Schema 版本完整审计
04 · 阶段

复用

  • 5 种检索模式覆盖事实查询到全局问答
  • 双 Agent 多轮归因,复杂问题深度推理
  • MCP Server 标准协议(Agent 生态原生)
  • 100+ OpenAPI 端点全开放

从文档到图谱,业务用户三步完成

GraphForge 把传统知识图谱项目里的建模、抽取、治理与问答收敛到一个可评审的业务流程里。

当天可用

Step · 01

上传业务文档

PDF / Word / Excel / PPT / 图片 OCR 批量进入,自动去重并保留来源。

15+ 种文档格式批量上传来源溯源
小时级初稿

Step · 02

AI 自动生成业务本体

LLM 自动发现 Schema,抽取对象、关系和术语,并通过质量规则进入专家评审。

Schema 自动发现对象关系抽取草稿评审
2-5s 响应

Step · 03

业务与 Agent 复用

业务用户直接提问,Agent 通过 MCP / OpenAPI 调用,同一套语义层提供带来源的可审计答案。

混合检索多轮归因MCP 调用

五大旗舰行业场景,覆盖中国制造业核心

航空 · 制造 · 供应链 · 物流 · HR——每个场景都有预置 Schema 模板、领域同义词库与已落地客户案例。

Scenario · 01

航空 · 高端制造

工艺规程 - 装配经验 - 质量约束 三层本体

航空装配是多型号、小批量、高精度、强合规的复杂制造场景。GraphForge 将工艺规程、老师傅经验、质量约束和异常处置沉淀为可治理、可复用的工艺业务本体。

典型问题

某型号装配任务切换后,应该采用哪个工艺版本、哪些关键参数、哪些质量检查点和异常处置规则?

模板:航空制造工艺本体模板
Scenario · 02

离散制造业

产品-BOM-工艺-SOP-KPI-设备-供应商 七维图谱

汽车 / 电子 / 装备质量追溯链长,工艺知识资产化困难,跨工厂复制成本高,新产品 NPI 引入慢。

典型问题

客户反馈的质量问题,源头是哪批原料、哪道工序、哪个供应商?

模板:离散制造质量模板
Scenario · 03

供应链管理

对齐 SCOR 12.0 五维流程模型(旗舰场景)

合同 / BOM / SOP 散落数十份文档,二级供应商风险盲区;KPI 同义词跨部门 / 跨语种自动对齐。

典型问题

核心供应商的上游二级供应商,哪些存在单点风险?

模板:供应链 SCOR 模板
Scenario · 04

物流仓储

公式 - 参数 - 输出 - 设备 - 流程 五维约束图谱

仓库方案设计涉及经济订货量 / 货位分配 / 工位平衡等公式计算,参数变化的下游影响难追溯。

典型问题

需求量从 10000 箱/月 涨到 15000,哪些设备需要重新选型?

模板:仓储规划 + 设备选型双模板
Scenario · 05

人力资源 HR

组织 - 岗位 - 能力 - 薪酬 - 绩效 - 政策 六维业务本体

企业 HR 的核心挑战不只是回答政策问题,而是把组织、岗位、能力、薪酬、绩效、制度与地方政策统一到同一套可治理语义层中。GraphForge 将分散制度、薪酬规则、报告模板和员工咨询沉淀为可追溯、可复用的 HR 业务本体。

典型问题

某技术岗位调薪或晋升时,是否同时符合岗位职级、绩效结果、薪酬带宽、工资总额、地方政策和企业制度要求?

模板:HR 组织人才与薪酬合规本体模板

5 个生产对接,覆盖产品集成与行业头部客户

以下信息基于已签署 NDA 的真实对接;客户名称按合规要求脱敏。

合作伙伴产品 · 通过图谱包 / MCP Server 接入

HR PayLens

● Live

HR · 薪酬

薪酬报告自动生成,国企 HR 10 分钟出报告

图谱包导入

HR Knowledge Nexus

● Live

HR · 政策问答

HR 政策自助式员工咨询

图谱包导入

Supply Nexus Agent

● Live

供应链 · 知识助手

供应链知识助手,COMMUNITY 模式问答

图谱包 + 社区摘要

EvoChain-Agent

● Live

供应链 · 内容生产

20+ Agent 共享同一图谱,重复建图谱成本归零

MCP Server 调用

行业头部客户 · 私有化部署案例

某航空制造集团

航空 · 高端制造

◐ Evaluation

等保关键控制项已 ship 25 项 / 持续推进信创合规深化方案

集成方式:私有化部署 + 信创合规评估

来自真实交付语境的客户反馈

以下表达基于已签署 NDA 的客户与产品集成对接记录整理,名称按合规要求脱敏。

把跨文档追溯、来源引用和评审流程放在同一个平台里,业务侧才真正愿意把知识图谱用起来。

航空制造数字化团队

私有化部署评估 · 已脱敏

同一份图谱可以被多个下游 Agent 复用,减少重复建模,也让知识口径更容易统一。

供应链 Agent 产品团队

MCP Server / 图谱包集成

从薪酬政策、岗位能力到报告生成,GraphForge 更像企业知识资产的生产线,而不只是问答入口。

HR 产品集成团队

生产产品集成

5 个生产/评估对接私有化交付语境MCP / 图谱包双集成路径
Engineering Quality · 工程质量信任锚点

真实生产数据 · 可被客户法务与 IT 审查

0

自动化测试用例

覆盖率 95%

0

OpenAPI 端点

全部 OpenAPI 3.0 暴露

0

行业 Schema 模板

供应链 / 制造 / HR 等

国央企级别的私有化与信创就绪

数据 100% 闭环 + Cython 源码保护 + 25 项等保关键加固已 ship + 国产 LLM 全面适配。某航空制造集团私有化 + 信创合规评估完成。

100%

数据闭环

客户机房不出企业;GraphForge 公司零数据接触

Cython

源码保护

镜像内 .py 删除,仅保留 .so 二进制

25 项

等保关键加固已 ship

持续推进信创合规深化方案

国产 LLM

全面适配

DeepSeek / 通义千问 / 文心一言已验证

MCP

Agent 生态

Anthropic 标准协议 + 5 个标准 Tool

4C/15G

最低部署配置

已生产验证;离线 .lic 完全断网可用

决策前最常被问到的五个问题

围绕数据安全、使用门槛、实施周期、国产化适配和 Agent 对接,先把关键疑虑讲清楚。

数据会不会泄露给 GraphForge 公司?

不会。GraphForge 是私有化部署,数据在客户机房闭环。公司不接触任何客户数据;License Server 仅交换 Key + Machine ID 元数据;离线 .lic 模式可完全断网。

业务专家需要会编程吗?

不需要。从文档上传 → Schema 自动发现 → 评审 → 自然语言问答全部 Web 界面操作,零代码。

实施周期多久?

三层口径:基础部署可用 = 当天(Docker Compose 单命令);业务正式上线 = 5-9 周;涉密 / 信创定制 = 1-3 个月。

国产化适配?

国产 LLM(DeepSeek / Qwen / 文心一言)已验证;国产 OS / CPU 评估完成;数据库可替换为 KingbaseES(首选);Docker 镜像可在国产容器运行。

能和我们现有的 Agent 平台对接吗?

可以。GraphForge 提供 Anthropic MCP 标准 Server,5 个核心 Tool 可被 Claude / 自研 Agent 直接调用。已有 EvoChain-Agent 20+ Agent 共享同一图谱的生产案例。

准备好让你的企业知识动起来?

30-60 分钟的产品演示,看 GraphForge 在你的真实业务场景下能做什么。

1 个工作日内响应30-60 分钟定制演示支持法务 / 架构前置审查
或直接发邮件到 marketing@yrules.com