知识图谱
📖 适合谁：超管 / 数据团队 —— 想把客户、产品、订单、人员、事件这些"有关系的"数据建成一张实体关系网络,做关系挖掘、路径追溯与图分析的人
📖 阅读时长：10 分钟
📖 一句话：知识图谱(图谱全景)是营域AI 的企业级实体关系平台,基于 Neo4j 图数据库,把多源数据统一建模为「实体 + 关系」的知识网络,提供本体设计、多源数据导入(ETL / SQL 连接器 / HTTP API)、路径查询、图分析、可视化探索与备份恢复的全链路能力。顶部导航「知识图谱」(路由/graph-panorama) 进入,仅超级管理员可见。
站内有两处"图谱",别混淆:
- 知识库 → 知识图谱(页签):跟着某个知识库走,由 GraphRAG 从文档里抽实体关系,数据存在文档索引里,用来看单个知识库抽出了什么。
- 知识图谱(图谱全景)(本页):独立平台,有自己的本体设计与多源导入,数据存在 Neo4j 里,用来做企业级的关系分析。
两者不共享存储;唯一的桥是图谱全景里的「GraphRAG ETL」——可以把某个知识库抽出的实体关系映射成本体类型后导入 Neo4j。
它与数据中台的分工:图谱回答"是谁、和谁有关、为什么关联、影响到哪里";数据中台回答"是多少、怎么变、是否异常"。
功能全景
一、主要能力
| 能力 | 说明 |
|---|---|
| 本体建模 | 可视化定义对象类型(实体)、关系类型(源 / 目标约束、基数)、操作类型(绑定技能或工作流) |
| AI 辅助本体设计 | 输入类型名 + 业务场景,AI 自动建议 5–10 个属性,可编辑后一键创建;AI 不可用时回退内置模板 |
| AI 表分析 | 给一张表,AI 读 DDL、外键与样本行,建议对象类型名、属性 schema、ETL 配置、外键→关系映射,「采用并创建」一键落地 |
| ETL 数据集成管道 | 数据源支持 GraphRAG(知识库) / MySQL 表 / PostgreSQL 表 / 外部 HTTP API,含管道配置与执行历史 |
| SQL 数据源连接器 | 支持 PostgreSQL / MySQL / SQL Server / MongoDB;测试连接、Schema 浏览、字段与外键发现、前 N 行预览 |
| 抽取任务 | 字段映射、增量抽取(游标断点续传)、外键→关系自动抽取、WHERE 过滤、启用开关、执行历史 |
| 路径查询 | 选起点与终点 + 深度 1–5 跳,画布高亮完整路径 |
| 邻居与子图 | N 跳邻居展开、按多个种子节点拉取子图 |
| 图统计 | 实体数与类型分布、节点/边总览、Neo4j 真实标签计数(含"未注册"类型) |
| 度中心性排名 | 按出度与入度排序,快速定位最核心节点 |
| 实体解析(去重) | 基于名称相似度 + 共享邻居检测重复实体,一键合并(边重定向 + 来源标记) |
| 图分析 | 图分析指标、社区概览、连通分量、相似实体、定时分析任务 |
| 可视化探索 | 力导向 / 网格 / 环形三种布局;缩放、拖拽、适应窗口、全量刷新 |
| 时间线 | 提取实体的日期属性,在画布底部以交互式时间轴回放图谱演化 |
| 全局搜索 | 顶部搜索栏跨类型模糊搜索,命中名称、标题、作者、部门、实体 ID 等 |
| 导出 | PNG(画布截图) / JSON(全量) / CSV(节点,带 BOM) |
| 批量导入与新建实体 | JSON 批量导入实体;单个新建 + 实时字段校验 |
| 我的调查 | 把当前画布视图存为调查会话,支持笔记、标记实体、任务、共享 |
| 安全 Cypher | 在受控前提下直接执行只读 Cypher(仅管理员 / 数据负责人角色) |
| 服务健康监控 | Neo4j 连通性、PostgreSQL 同步引用数、审计日志状态 |
| 数据清理 | 清理脏实体(默认先试运行预览)、清理孤儿关系;另有每日定时清理 |
| 备份与恢复 | 全库 JSON 备份、追加模式恢复、整库清空 |
| 演示数据 | 一键生成样例图谱(可追加或重置),上手前先熟悉操作 |
| 审计日志 | 记录实体与关系的增删改,标注来源(手动 / GraphRAG / ETL / API / 流) |
| 制造业专项 ETL | 内置 15 类制造业本体(产品 / 部件 / 生产订单 / 采购订单 / 项目 / 车间 / 库存 / 工艺路线 / BOM / 人员 / 组织 / 公司 / 部门 / 客户 / 供应商),可从 ERP 导入 |
| MCP 工具集 | 对外暴露 15 个 graph_* 只读工具(搜索 / 实体 / 关系 / 路径 / 邻居 / 子图 / Cypher / 本体 / 统计等) |
二、典型应用场景
- 客户 360 视图:把一个客户的所属组织、关联人员、参与事件、涉及文档拉成一张网,一屏看清全貌。
- 供应链风险传导:某供应商出问题,下游哪些订单、产品、客户会受影响?用路径查询 1–5 跳定位影响面。
- 反欺诈与团伙识别:共用地址、共用联系人、资金往来的群体,在图上看**"连成一片"的异常子网**,比看表格直观得多。
- 行业知识网络:论文、专利、人物、机构建网,做研究脉络与合作网络分析。
- 关系类问答:问"某公司投资了哪些同类公司"——纯文本检索答不上,开 GraphRAG 后图谱直接给关系链路。
- 本体先行治理脏数据:先把对象类型(客户 / 产品 / 订单)和关系类型(购买 / 属于 / 推荐)定义清楚,再灌数据,避免后期清洗地狱。
- 表结构一键成图:给 AI 一张业务表,它读外键和样本数据,直接建议实体与关系,省去手工设计本体。
三、界面与操作
1. 入口与权限
| 项 | 说明 |
|---|---|
| 路由 | /graph-panorama |
| 导航 | 顶部一级导航「知识图谱」,图标为拓扑图 |
| 权限 | 仅超级管理员(非超管会被重定向回首页) |
2. 页面布局
| 区域 | 内容 |
|---|---|
| 顶部全局搜索栏 | 占位符 「🔍 全局搜索: 按 name / title / author / department / entity_id…」,300ms 防抖,最多返回 20 条;右侧显示 「全局共 N 个实体 · M 个本体类型」 |
| 左侧栏(可折叠,280px) | 顶部标题「知识图谱」+ 「本体设计」 按钮;下方 浏览 / 分析 / 工具 三个 Tab(进入设计模式后变为本体设计面板) |
| 中央画布 | 实体关系图(G6 渲染),支持拖拽、缩放、点击展开 |
| 右侧抽屉(420px) | 点击实体后弹出详情:属性 / 关联 / 历史 |
3. 浏览 Tab
- 搜索框(占位「搜索」) + 「按类型筛选」。
- 对象类型列表:未注册的类型标注
* {名称}(未注册)。 - 搜索结果列表:每行有 「起」(设为路径起点)与 「终」(设为路径终点)按钮;底部 「加载更多(剩余 N)」。
- 操作按钮:「新建实体」 / 「清空画布」 / 「批量导入」。
- 路径查找面板:起点搜索(占位「搜索起点实体...」)、终点搜索(占位「搜索终点实体...」)、深度下拉(1 跳 / 2 跳 / 3 跳(默认) / 4 跳 / 5 跳)、按钮 「查找路径」。
4. 分析 Tab
- 「图统计」:
节点: N 边: N+ 各类型计数(人员 / 组织 / 文档 / 事件 / 地点 / 项目 / 合同 / 订单)。 - 「图分析」 + 「刷新分析」 按钮;未加载时提示 「点击刷新分析加载」。
- 「度中心性排名」 列表,每行显示
出N入N。 - 「实体解析」 + 「检测重复实体」 按钮;每行显示
A ≈ B+ 「合并」 按钮 +(共同邻居:N)。
5. 工具 Tab
| 工具 | 说明 |
|---|---|
| 我的调查 | 输入 「调查标题」 + 「保存当前视图」;列表每项显示 N个实体,可删除 |
| ETL 数据集成 | 打开宽抽屉「ETL 数据集成管道」 |
| SQL 数据源管理 | 打开宽抽屉「数据库数据源连接器」 |
| 图统计 | 打开「图统计仪表盘」(总节点 / 总边 / 社区数、类型分布、度中心性 Top 10、社区概览) |
| 服务健康 | 打开「服务健康」面板(Neo4j 正常/异常 + URI、PostgreSQL 引用数、审计日志条数) |
| 管理工具 | 「追加演示数据」(成功提示「演示数据生成成功」)、「重置数据」(二次确认「确认重置全部图数据?」→「数据已重置,请刷新页面」) |
ETL 数据集成管道
- 两个 Tab:「管道配置」 / 「执行历史 (n)」。
- 数据源类型:GraphRAG (知识库) / MySQL 表 / PostgreSQL 表 / 外部 HTTP API。
- GraphRAG 区填 「知识库 ID (kb_id)」 与 「导入数量」,可点 「预览映射」 先看类型映射结果。
- 执行按钮 「执行 ETL 管道」;结果区显示 实体 / 关系 / PG / 导入 四项计数。
SQL 数据源管理
- 四个 Tab:连接器 (n) / Schema 浏览 /(MongoDB 显示为「集合浏览」)/ 抽取任务 (n) / 历史。
- 连接器卡片操作:「测试连接」 / 「编辑」 / 「删除」(二次确认「确认删除此连接器及其任务?」)。
- 「新建连接器」 表单字段:名称、数据源类型、数据库类型、主机、端口、数据库名、用户名、密码、启用 SSL、描述。提示:「密码使用 Fernet 加密后存于 PG;首次创建时请提供密码,后续可在「编辑」中轮换。」
- 表详情内嵌 Tab:列 (n) / 外键 (n) / 预览 (n) / 本表任务 (n),另有 「AI 分析」 按钮。
- 抽取任务操作:「增量」(提示「增量抽取(从上次游标继续)」) / 「全量」(提示「全量重新抽取(清空游标,从第一条开始)」) / 「编辑」 / 「历史」 / 「删除」。
6. 本体设计模式
点侧栏顶部的 「本体设计」 进入设计模式,可创建 / 编辑 / 删除三类元素:
| 元素 | 字段 |
|---|---|
| 对象类型 | 类型名称(英文,占位「类型名称 (英文)」) + 属性定义 |
| 关系类型 | 关系名(如 KNOWS)、源类型、目标类型、基数、关系属性 |
| 操作类型 | 操作名称、对象类型、Skill Slug(可选)、Workflow ID(可选) |
- 底部有 「查看本体图 / 隐藏本体图」 开关,把本体渲染成"类型为节点、关系类型为边"的图。
- 系统内置类型标记为系统类型,不可删除。
- AI 提示原文：「💡 不知道字段填什么? 点右上角 ⚡ AI 按钮, AI 会基于类型名 + 业务场景自动建议 5-10 个字段, 你可以任意修改/增删后再创建。」
- AI 本体设计助手 抽屉字段:「对象类型名称(中英文均可)」 + 「业务场景(可选,帮助 AI 选对字段)」(占位「例如: 制造业采购合同管理 / 客户关系跟进 / 订单生命周期跟踪」);按钮 「AI 生成建议字段」 / 「采用并创建 (N 个属性)」。
- AI 表分析 抽屉:调用中提示 「调用 AI 模型中, 通常 2-5 秒…」;AI 不可用时提示 「AI 服务暂时不可用, 已使用规则匹配自动映射。结果可直接使用, 也可手动微调。」
7. 实体详情抽屉
标题 「实体详情」 + 类型标签;右上角按钮:编辑 / AI 分析 / 关闭。
| Tab | 内容 |
|---|---|
| 属性 | 键值对展示(最多 20 字段);编辑态可增删属性(占位「字段名」/「值」 +「+ 添加属性」) |
| 关联 (n) | 关联关系列表(空态「暂无关联」);「创建关系」 区:目标搜索(占位「搜索目标实体...」) + 关系类型下拉(占位「请选择关系类型」) + 「创建关系」 按钮 |
| 历史 | 「AI 分析结果」 报告块 + 「操作历史 (n)」(动作标签 create/delete/update + 详情 + 时间);空态「暂无分析报告或操作历史」 |
8. 画布工具栏
| 控件 | 说明 |
|---|---|
| 布局 | 「力导向」 / 「网格」 / 「环形」 |
| 缩放 | 放大 / 缩小 / 「适应窗口」 / 「全量刷新」(跨所有类型拉取前 100 条) |
| 导出 | 「导出PNG」 / 「导出JSON」 / 「导出CSV」 |
| 时间线 | 打开底部交互式时间轴,按日期属性回放图谱演化 |
9. 关键弹窗
| 弹窗 | 说明 |
|---|---|
| 批量导入实体 | 粘贴 JSON(示例含 Person 张三 / Organization 某某科技有限公司 等),按钮「导入」/「取消」,进度提示「导入中... N%」 |
| 新建实体 | 选类型、填名称(必填)、本体属性 + 自定义属性(「+ 添加自定义属性」),实时校验 |
| 重置数据 | 危险操作,二次确认 |
10. 数据从哪来
| 来源 | 说明 |
|---|---|
| 手动创建 / 批量导入 | 在画布或抽屉里直接建实体与关系 |
| GraphRAG ETL | 从某个知识库抽取出的实体 / 关系,经类型映射导入 Neo4j(映射规则:组织 / 公司 → Organization,人物 → Person,地点 / 城市 / 国家 → Location,事件 → Event,分类 → Document,未命中默认 Document) |
| SQL 连接器 | 从 PostgreSQL / MySQL / SQL Server 抽表数据,支持外键自动转关系、游标增量 |
| MongoDB / HTTP API / MySQL 直连 | 对应 ETL 数据源类型 |
| 制造业 ERP | 内置 15 类制造业本体,从 ERP 库导入 |
| 演示数据 | 管理工具一键生成样例 |
数据写入 Neo4j 后,可再同步到 PostgreSQL 作为引用,并通过事件流对外发布;用户操作全部落审计日志。
11. 内置系统本体
- 对象类型 5 个:Person(人员)、Organization(组织)、Document(文档)、Event(事件)、Location(地点)。
- 关系类型 6 个:WORKS_FOR、LOCATED_IN、MENTIONS、OCCURRED_AT、PARTICIPATED_IN、RELATED_TO。
四、最佳实践
- 先设计本体,再灌数据:用「本体设计」把对象类型(客户 / 产品 / 订单)和关系类型(购买 / 属于 / 推荐)定清楚,再开始 ETL——否则后期清洗成本极高。
- 上手先用演示数据:首次进来图谱是空的。去 「工具 → 管理工具 → 追加演示数据」,把查询、路径、分析都演练一遍,心中有了图再导真实数据。
- 用手头的表试一次「AI 表分析」:选一张有外键的业务表,让 AI 读完 DDL 和样本行给你建议——常常比手工设计本体更快、更贴合真实数据。
- 大图一定要加过滤:路径查询深度上限 5 跳、分页上限 1000 条、自由 Cypher 行数封顶 1000、查询超时 60 秒。生产环境已有数百万节点,不带过滤的全图遍历会拖垮数据库。实用姿势:先用类型筛选缩小范围,再查路径。
- 定期跑「实体解析」去重:导入过程容易出现"同一家公司两种叫法"。用 「分析 → 实体解析 → 检测重复实体」 定期体检,确认后合并——图谱越干净,路径与分析越准。
- 查询重量级操作注意限流:全局、单 IP、重量级操作是三档独立限流。批量的路径 / 子图 / Cypher 查询建议错峰或分批;被限流时不是故障。
- 自由 Cypher 只给该给的人:直接执行 Cypher 能力仅对管理员 / 数据负责人角色开放,且强制只读、带行数封顶与超时。不要为了省事把它放开给普通用户。
- 备份先于变更:做大范围导入、
reset、清理、合并之前,先 「工具 → 管理工具」 之外走一次 全库 JSON 备份。备份恢复是追加模式,不是覆盖,恢复前想清楚要恢复到什么状态。 - 定时任务已经帮你做了三件事:每日分析、每周分析、孤儿关系清理,以及实体增长检查。改动数据模型后留意这些任务是否还在正常跑(用「服务健康」面板看审计与同步状态)。
- 生产数据要注意企业隔离⚠️:图谱实体的企业归属依赖实体上的企业标识属性;存量数据里未回填企业标识的节点会走"全局共享"分支。做跨企业数据治理前,先请管理员确认存量的归属回填情况,不要假设隔离已经完全生效。
- GraphRAG ETL 的使用要有心理预期:它要求目标知识库在企业的可见知识库白名单内,否则直接 403。上线前请先在「数据中台 → 企业知识库范围」把知识库绑好。
- 导出 JSON 是最省事的中间态:想把图谱递给别人做分析、或做一次快照,「导出JSON」比重跑一遍 ETL 快得多。