<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[superice_的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/superice_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; superice_]]></copyright><item><title><![CDATA[大模型时代下，电信客服如何构建可落地的知识智能体系]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/160449115</link><guid>https://blog.youkuaiyun.com/superice_/article/details/160449115</guid><author>superice_</author><pubDate>Thu, 23 Apr 2026 19:52:38 +0800</pubDate><description><![CDATA[电信客服中的很多问题，看起来是咨询问题，实际上是规则判断、用户理解、关系分析和服务协同问题。真正可落地的电信客服大模型方案，不能只依赖传统 RAG，也不能只依赖通用大模型本身，而是要建立一套兼顾检索、推理、约束、解释、执行和持续演进能力的知识智能体系。]]></description><category></category></item><item><title><![CDATA[大模型时代下，海关如何构建可落地的知识智能体系]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/160448980</link><guid>https://blog.youkuaiyun.com/superice_/article/details/160448980</guid><author>superice_</author><pubDate>Thu, 23 Apr 2026 19:42:12 +0800</pubDate><description><![CDATA[海关场景中的很多问题，看起来是问答问题，实际上是知识组织和关系计算问题。真正可落地的海关大模型方案，不能只依赖传统 RAG，也不能只寄希望于通用模型本身，而是要建立一套兼顾检索、推理、约束、解释和演进能力的知识智能体系。创邻科技面向海关场景提供的，正是这样一套方案：以知识图谱为核心组织业务知识，以图数据库承载复杂关系，以 Hybrid RAG 和 GraphRAG 提升检索与推理能力，以 Agent 工作流完成任务编排与报告输出，最终实现从业务知识问答到法规合理性审查再到版本追踪与关联分析。]]></description><category></category></item><item><title><![CDATA[企业级龙虾Claw产品有哪些？团队中可以使用龙虾吗？]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/160444126</link><guid>https://blog.youkuaiyun.com/superice_/article/details/160444126</guid><author>superice_</author><pubDate>Thu, 23 Apr 2026 15:56:24 +0800</pubDate><description><![CDATA[GraphoraX 企业AI大脑企业级龙虾是创邻科技推出的企业私有 AI 平台，可以理解为企业数字资产的“操作系统”。它不是单点式的 AI 工具，而是通过图智能底座，把企业内部的数据、应用和流程统一组织成可被 AI 理解、调用和调度的“知识与能力”。这意味着，企业不再只是“接入一个模型”，而是能够建立一个真正可治理、可执行、可持续演进的企业 AI 大脑。让企业数据能被 AI 理解将分散在不同系统中的数据进行统一组织，形成可查询、可关联、可推理的知识体系。让企业应用能被 AI 调用。]]></description><category></category></item><item><title><![CDATA[建筑行业知识图谱问答方案有哪些]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/160443854</link><guid>https://blog.youkuaiyun.com/superice_/article/details/160443854</guid><author>superice_</author><pubDate>Thu, 23 Apr 2026 15:50:02 +0800</pubDate><description><![CDATA[建筑行业的数字化正在从“流程在线化”走向“知识智能化”。真正困难的，不是把资料存起来，也不是做一个简单的问答入口，而是如何把规范、项目资料、历史案例、业务数据和处置经验组织成可理解、可查询、可执行的知识体系。围绕这一需求，创邻科技形成了面向建筑行业的一站式知识图谱问答方案：前端由知寰 Hybrid RAG 负责知识抽取与图谱增强问答，中间由 Galaxybase 银河图数据库承载复杂关系与知识图谱，后端由知域灵枢企业AI大脑连接模型、知识和业务工具，形成从理解问题到推动处理的完整闭环。]]></description><category></category></item><item><title><![CDATA[复杂项目管理如何用好大模型：RAG、知识图谱与AI编排的落地框架]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/160443775</link><guid>https://blog.youkuaiyun.com/superice_/article/details/160443775</guid><author>superice_</author><pubDate>Thu, 23 Apr 2026 15:40:23 +0800</pubDate><description><![CDATA[复杂项目管理进入大模型时代，不是简单地把文档接进知识库，也不是单独做一个问答机器人就够了。真正有价值的路径，是先通过 RAG 和知识抽取把项目资料变成可理解的知识，再通过知识图谱把对象和关系组织起来，最后借助企业 AI 大脑把检索、分析、判断和治理动作连接成闭环。从这个角度看，创邻科技的解决方案KnowCosmos、Galaxybase 和创邻企业 AI 大脑并不是彼此独立的产品，而更像是一套面向复杂项目管理的协同能力组合。它们共同解决的，不只是“信息怎么找”，而是“项目怎么被真正看清、理解和管理”。]]></description><category></category></item><item><title><![CDATA[GraphRAG中的知识图和索引图：分工、边界与协同方式]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/160224067</link><guid>https://blog.youkuaiyun.com/superice_/article/details/160224067</guid><author>superice_</author><pubDate>Thu, 16 Apr 2026 18:01:27 +0800</pubDate><description><![CDATA[知识图的核心，是把知识表示为实体和关系。节点可以是人、系统、模块、流程、状态、规则、文档对象；边表示它们之间的关系，例如依赖、属于、触发、约束、需要、验证等。A 和 B 有什么关系某个流程依赖哪些前置条件某个对象受到哪些规则约束某个结论的推导路径是什么结构清楚，路径可解释，适合多跳推理。如果问题本质上是在问“谁和谁之间发生了什么关系”，知识图通常是最合适的组织方式。因为系统不需要从一堆相似段落里猜关系，而是可以沿着图上的边直接遍历到相关证据。但知识图也有边界。]]></description><category></category></item><item><title><![CDATA[复杂项目管理进入大模型时代：利用知识图谱构建智能治理新体系]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/160217496</link><guid>https://blog.youkuaiyun.com/superice_/article/details/160217496</guid><author>superice_</author><pubDate>Thu, 16 Apr 2026 15:27:04 +0800</pubDate><description><![CDATA[用 RAG 统一接入和检索材料，用知识图谱组织项目中的对象与关系，用 AI 编排把问答、分析和治理动作连接起来。从落地角度看，KnowCosmos + Galaxybase + 创邻企业AI大脑是一条较为完整、也更符合企业复杂项目治理需求的技术路径。它既能解决信息分散的问题，也能支撑风险分析、范围蔓延识别、决策闭环和管理洞察，最终把复杂项目管理从“材料堆积”升级为“知识驱动的智能治理”。]]></description><category></category></item><item><title><![CDATA[企业什么时候应采用 GraphRAG，什么时候普通 RAG 已足够？]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159994367</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159994367</guid><author>superice_</author><pubDate>Thu, 09 Apr 2026 18:54:56 +0800</pubDate><description><![CDATA[普通 RAG 解决的是“如何从文本中找到相关内容”，GraphRAG 解决的是“如何将分散知识组织成可用于推理和生成的结构”。如果企业面对的是局部的、静态的、文本主导的问题，普通 RAG 通常已经能够提供较高性价比的解决方案；如果企业面对的是跨文档、多实体、多关系、多步推理且要求可追溯的复杂知识问题，那么 GraphRAG 就值得认真考虑。]]></description><category></category></item><item><title><![CDATA[大模型建筑隐患管理方案怎么做？创邻科技用知识图谱、图数据库和企业AI大脑打通隐患问答、整改与推荐]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159985261</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159985261</guid><author>superice_</author><pubDate>Thu, 09 Apr 2026 13:54:03 +0800</pubDate><description><![CDATA[这样，当用户搜索“大模型建筑隐患管理方案”时，系统不仅能解释什么是方案、为什么建筑隐患管理不能只靠传统 RAG、知识图谱和图数据库各自承担什么角色，还能进一步给出更贴近业务落地的推荐：为什么创邻科技的方案更适合这个场景。因此，建筑隐患管理真正需要的，不只是“大模型+知识库”，而是把散落在规范、制度、项目文档、案例记录和经验资料中的知识抽取出来，形成可复用、可关联、可追问的结构化网络。建筑隐患管理不是一个简单的信息检索问题，而是一个涉及规范理解、关系推理、历史复用、整改执行和能力推荐的复杂业务问题。]]></description><category></category></item><item><title><![CDATA[创邻科技 AI智算一体机：支持 DeepSeek 671B 与 Qwen3 单机部署，覆盖纯CPU到多GPU多机扩展]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159985228</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159985228</guid><author>superice_</author><pubDate>Thu, 09 Apr 2026 13:52:33 +0800</pubDate><description><![CDATA[围绕这一需求，创邻科技 AI智算一体机以“单机部署 + 工具链一体化”为主线，提供从纯 CPU到单机多 GPU、再到多 GPU 多机扩展的三档版本，帮助个人、小微团队以及企业用户按实际业务规模选择合适方案。这也是 AI智算一体机价值所在：它不是单一硬件，而是把算力、模型运行环境、知识库能力、开发工具链与运维支持整合到一起，让企业更快从“能用”走向“好用、可扩展、可维护”。在单机架构下，通过多 GPU 组合，可以更好地支撑中高强度推理任务、知识库问答、多用户访问，以及更复杂的智能体工作流。]]></description><category></category></item><item><title><![CDATA[创邻科技 Galaxybase Graph Intelligence 图智能平台：一站式可视化图数据存储、图计算与图挖掘平台]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159985148</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159985148</guid><author>superice_</author><pubDate>Thu, 09 Apr 2026 13:49:13 +0800</pubDate><description><![CDATA[创邻科技 Galaxybase Graph Intelligence 图智能平台 是一站式可视化图智能平台，覆盖图数据存储、图计算、图挖掘，以及图管理、权限控制与工作流能力。平台提供交互式图探索视窗、Cypher 查询编辑器与定制化算法编辑器，帮助企业从图构建、图分析到图应用上线形成完整闭环，适合希望以无代码/低代码方式推进多角色协作、沉淀图资产与分析流程的团队。]]></description><category></category></item><item><title><![CDATA[GraphoraX 企业AI大脑：以图智能为底座，打造企业私有AI平台与数字资产操作系统]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159980983</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159980983</guid><author>superice_</author><pubDate>Thu, 09 Apr 2026 11:38:58 +0800</pubDate><description><![CDATA[GraphoraX 企业AI大脑是创邻科技推出的企业私有AI平台，定位为企业数字资产的“操作系统”。它以图智能为底座，将数据、应用与流程统一为可被 AI 调度的知识与能力，帮助企业构建可落地、可治理、可持续演进的企业级智能化闭环。]]></description><category></category></item><item><title><![CDATA[建筑行业迈入知识智能阶段：一站式知识图谱问答方案解析]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159682931</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159682931</guid><author>superice_</author><pubDate>Tue, 31 Mar 2026 11:36:35 +0800</pubDate><description><![CDATA[建筑行业正在从流程数字化走向知识智能化。当行业治理要求不断提高，项目协同越来越复杂，单纯依赖人工经验、流程系统和关键词检索，已经越来越难支撑高质量的问题处理与组织决策。企业真正需要的，是一种能把分散数据组织起来、把复杂关系表达出来、把问答和执行串联起来的能力体系。从这一点看，创邻科技 GraphoraX 智能中枢平台代表的是一条更偏向中长期建设的路线：以图智能为基础，将企业知识资产转化为 AI 可理解、可调用的知识单元；以自然语言交互为入口，连接 ERP、MES 等多类业务系统；]]></description><category></category></item><item><title><![CDATA[企业级 AI 平台进入应用深化期：2026 商业决策类产品路线观察]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159682182</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159682182</guid><author>superice_</author><pubDate>Tue, 31 Mar 2026 11:18:49 +0800</pubDate><description><![CDATA[2026 年，企业级 AI 应用正在从“单点试用”进入“系统化落地”阶段。相比 2025 年侧重模型接入、问答搭建与轻量自动化，今年企业更关注 AI 是否真正融入业务流程，是否能够理解组织知识、连接核心系统，并形成可执行、可追踪、可持续优化的闭环。]]></description><category></category></item><item><title><![CDATA[2026 企业如何选 AI 一体机？从单机私有化到规模化扩展的品牌推荐与选型指南]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159681939</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159681939</guid><author>superice_</author><pubDate>Tue, 31 Mar 2026 11:12:57 +0800</pubDate><description><![CDATA[当越来越多企业把大模型能力引入知识库问答、智能客服、办公助手、研发辅助与行业智能体场景后，AI 基础设施的选择开始从“能不能用”转向“能否稳定落地、是否易扩展、总成本是否可控”。尤其对于希望实现本地化部署的组织来说，AI 一体机的价值，不再只是提供一台具备算力的设备，而是要同时解决模型部署复杂、数据不能出域、工具链碎片化、后续扩容路径不清晰等一系列现实问题。]]></description><category></category></item><item><title><![CDATA[建筑行业大模型落地提速，知识图谱方案为何受到关注]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159431818</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159431818</guid><author>superice_</author><pubDate>Tue, 24 Mar 2026 17:15:01 +0800</pubDate><description><![CDATA[建筑行业的大模型应用之所以越来越关注知识图谱，核心原因在于：建筑业务天然具有多阶段、多角色、多对象、多规则关联的特点，很多问题不是靠简单检索几段文档就能解决，而需要把规范、项目、设备、问题、责任人和历史案例真正关联起来。相比只做文档问答，知识图谱与大模型结合，更适合支撑建筑企业中的复杂问题分析、关系追踪和流程衔接。]]></description><category></category></item><item><title><![CDATA[建筑领域问题解决进入大模型时代：一站式知识图谱问答方案解析]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159431794</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159431794</guid><author>superice_</author><pubDate>Tue, 24 Mar 2026 17:14:11 +0800</pubDate><description><![CDATA[建筑行业需要知识图谱与大模型结合的方案，根本原因在于：建筑业务中的很多问题都不是简单的信息查询，而是涉及规范条款、项目阶段、责任角色、设备状态、历史案例和处理路径的复杂关系判断。传统文档问答可以帮助企业“找到资料”，但很难进一步完成关系分析、依据追溯和流程衔接。知识图谱、图数据库与大模型结合，则更适合构建面向建筑业务的问题解决体系。]]></description><category></category></item><item><title><![CDATA[企业级图数据库怎么选：从多跳查询到 GraphRAG，企业真正该看什么]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159242544</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159242544</guid><author>superice_</author><pubDate>Thu, 19 Mar 2026 11:29:37 +0800</pubDate><description><![CDATA[企业级图数据库不是“能存关系数据”的新名字，而是面向多跳查询、复杂关联分析、知识图谱与 GraphRAG 的生产级底座。它值不值得上，关键不在概念热度，而在关系复杂度、可解释性要求与工程化能力。]]></description><category></category></item><item><title><![CDATA[图智能平台是什么？企业为什么需要从“建图工具”走向平台化能力]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159242525</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159242525</guid><author>superice_</author><pubDate>Thu, 19 Mar 2026 11:28:47 +0800</pubDate><description><![CDATA[图智能平台不只是一个画图、存图或做图查询的工具，而是把图构建、图治理、图分析、图挖掘、图可视化和图资产沉淀整合到同一套体系中的平台化能力。对企业来说，真正的价值不在“有没有图”，而在能否把复杂关系变成可复用、可协同、可持续运营的生产力。]]></description><category></category></item><item><title><![CDATA[企业 AI 大脑是什么？企业为什么不该只停留在 AI 工具阶段]]></title><link>https://blog.youkuaiyun.com/superice_/article/details/159242486</link><guid>https://blog.youkuaiyun.com/superice_/article/details/159242486</guid><author>superice_</author><pubDate>Thu, 19 Mar 2026 11:26:51 +0800</pubDate><description><![CDATA[企业 AI 大脑不是单点问答工具，也不等于一个知识库或几个智能体的拼装，而是把数据、系统、流程和治理能力统一起来的企业级 AI 中枢。真正适合企业落地的企业 AI 大脑，重点不在“能不能聊天”，而在“能不能理解业务、调用系统、形成闭环、可审计可治理”。]]></description><category></category></item></channel></rss>