知识库建设5步
1️⃣ → 数据源接入
2️⃣ → 摄取 → 解析 → 规范化 → 切分 → 抽取 → 冲突检测 → 去重
3️⃣ → 知识图 → [ 本体 · 推理 · 溯源 · 决策 ] → 富化知识图
4️⃣ → 向量库 + 多语图存储(RDF & LPG)
5️⃣ → 导出 / 可视化 / REST · MCP · CLI
1 Document：文档知识
内容：制度、规范、合同、方案、手册、Wiki、FAQ、邮件等
承载：LLM wiki
2 Structured Data：结构化数据
内容：客户、商品、订单、库存、交易、财务、设备、日志等
承载：Database（Hive、Doris、Oracle）
3 Metadata：元数据
内容：表、字段、Owner、数据质量、数据分类等
承载：资产平台
4 Semantic Model：语义模型
内容：指标、维度、层级、计算逻辑、业务定义等
承载：protege
5 Knowledge Graph：关系知识
内容：Entity—实体、Relationship—关系、Property—属性、Event—事件、Dependency—依赖等
承载：protege
6 Vector Store：语义记忆
内容：文档片段、FAQ、相似案例、非结构化知识、长文本、多模态内容等
承载：Doris-MPP （持久存储）
7 Memory：运行知识
内容：用户偏好、历史任务、之前的决策、曾经采取的措施、失败记录、成功案例、Agent学习到的上下文等
承载：Doris-MPP （持久存储）
