JitKnow 4.8升级知识图谱增强检索
AI 总结
JitKnow知识库4.8将底层检索从纯向量检索升级为本体驱动、知识图谱增强的混合检索。JitKnow团队称,新版本加入实体别名归一、可编辑抽取、来源溯源和错误反馈,并按问题类型结合知识图谱与原有文本检索。
深度见解
该版本面向企业RAG中信息割裂和关系误判等常见问题,将结构化图谱与常规检索结合,但所称准确性收益目前尚无独立验证。
我们团队最近一直在迭代 JitWord 协同 AI 文档和 JitKnow AI 知识库。在大量用户反馈的驱动下,我们把知识库的底层检索体系做了一次重要升级:从"纯向量检索"升级为"本体驱动 + 知识图谱增强"。这篇文章记录一下技术思路和踩过的坑,给做企业知识库、RAG 落地的同行做个参考。
一、先说说痛点:传统 RAG 为什么容易"张冠李戴"
很多人在用 AI 知识库时会遇到一个很头疼的问题:明明文档里写得清清楚楚,AI 回答却经常出错、张冠李戴;同一个东西,文档里一会儿叫 A、一会儿叫 B,AI 就当成了两个完全不同的内容;问到两件事之间有什么关联,AI 要么答不上来,要么凭空编造关系。