Lewati ke konten

360° GraphRAG · Knowledge Studio

Ubah dokumen menjadi pengetahuan yang saling terhubung.

MENTOR mengekstrak, memecah menjadi chunk, membuat embedding, dan menghubungkan semua yang ditulis tim Anda menjadi graf pengetahuan yang hidup — lalu menjawab dari seluruh 360° graf itu, dengan kutipan untuk setiap klaim.

Mulai membangun
Lihat cara kerjanya
  • Dihosting sendiri di server Anda
  • Setiap jawaban disertai kutipan
  • Pustaka per organisasi
Membaca format yang sudah Anda miliki · berjalan di stack yang Anda percayai
  • PDF
  • Word
  • PowerPoint
  • Excel
  • HTML
  • Markdown
  • CSV
  • URL web
  • Dihosting sendiri
  • Docker Compose
  • PostgreSQL + pgvector
  • Penyimpanan kompatibel S3
  • Antrean kerja bawaan
  • OpenAI
  • Anthropic
  • Ollama

01Apa itu GraphRAG 360°

Pencarian membaca teks. MENTOR membaca keterkaitannya.

RAG klasik mengambil beberapa paragraf yang mirip. GraphRAG 360° melihat pustaka Anda dari empat sisi sekaligus — makna, kata-kata, entitas yang terlibat, dan tema di sekitarnya — lalu memadukannya menjadi satu jawaban yang berpijak pada sumber dan disertai kutipan.

  • 01 · Vektor

    Semantik

    Embedding menemukan bagian teks yang bermakna sama, meski tak ada satu kata pun yang sama.

  • 02 · Kata kunci

    Leksikal

    Istilah, kode, dan nama yang persis sama juga dicocokkan, lalu dipadukan dengan hasil semantik.

  • 03 · Graf lokal

    Lingkungan entitas

    Entitas dalam pertanyaan membawa serta relasi, chunk sumber, dan komunitasnya.

  • 04 · Global

    Ringkasan komunitas

    Klaster entitas yang berkaitan dirangkum, sehingga pertanyaan yang luas mendapat jawaban dari seluruh pustaka.

SemantikLeksikalLokalGlobalsatu jawaban dengan kutipan

Dipadukan dan diperingkat ulang, lalu ditulis dengan kutipan bernomor yang merujuk ke bagian teks yang tepat.

mode retrieval
6
Vektor, hibrida, graf, lokal, dan global — atau semuanya dipadukan sebagai 360°.
konteks
360°
Makna, kata-kata, entitas, dan tema di balik setiap jawaban.
jawaban dengan kutipan
100%
Setiap klaim tertaut ke bagian teks dan halaman asalnya yang tepat.
menuju graf pertama
<5min
Masukkan satu folder dokumen dan saksikan grafnya terbentuk sendiri.

02Cara kerja

Dari unggahan ke jawaban dalam tujuh langkah.

Setiap dokumen melewati pipeline tangguh yang sama di server Anda sendiri — dan Anda bisa menyaksikan setiap tahapnya berlangsung.

  1. Langkah 01

    Unggah

    Letakkan file PDF, Word, PowerPoint, Excel, HTML, Markdown, atau CSV — atau tempel URL. File asli disimpan di penyimpanan objek Anda sendiri.

  2. Langkah 02

    Antrean

    Setiap dokumen masuk ke antrean kerja di database Anda. Worker mengambilnya, melacak setiap tahap, mencoba ulang saat gagal, dan melanjutkan setelah restart.

  3. Langkah 03

    Ekstrak & chunk

    Teks dan struktur diekstrak, lalu dipecah menjadi chunk berukuran token yang tetap mengingat nomor halamannya.

  4. Langkah 04

    Embedding

    Setiap chunk menjadi vektor di PostgreSQL + pgvector, siap untuk pencarian semantik dan hibrida.

  5. Langkah 05

    Graf

    Sebuah model membaca setiap chunk untuk menemukan entitas dan relasi, lalu duplikat digabungkan menjadi satu graf untuk seluruh pustaka.

  6. Langkah 06

    Komunitas

    Entitas yang berkaitan dikelompokkan dalam dua tingkat, dan setiap komunitas mendapat ringkasan tertulis serta temuan utama.

  7. Langkah 07

    Tanya

    Pertanyaan dijalankan di semua mode retrieval dan kembali sebagai satu jawaban, dengan kutipan bernomor yang merujuk ke sumbernya.

03Sumber

Semua format. Satu graf.

Materi rapat direksi, buku panduan, spreadsheet, dan halaman web semuanya mengalir ke inti yang sama — diekstrak, dihubungkan, dan siap ditanyai.

Mentor Graph
  • PDF
  • DOCX
  • PPTX
  • XLSX
  • HTML
  • MD
  • CSV
  • URL

  • Ekstraksi yang mengenali halaman

    Chunk menyimpan nomor halamannya, sehingga setiap kutipan terbuka di halaman yang tepat.

  • Tautan, diambilkan untuk Anda

    Tempel URL dan MENTOR mengambilnya di sisi server, lalu memasukkannya ke antrean seperti unggahan lainnya.

  • Proses ulang kapan saja

    Ubah skema atau modelnya, lalu proses ulang dokumen atau bangun ulang komunitas dengan satu klik.

04Retrieval 360°

Enam lensa. Satu jawaban.

Pilih satu lensa untuk melihat cara MENTOR memandang pustaka Anda — atau biarkan 360° menjalankan semuanya dan memadukan temuannya.

Pertanyaan

Seberapa rentan Nimbus GA terhadap risiko pasokan?

Lensa 360°

Hibrida + graf + lokal + global, dipadukan.

Paling cocok untuk: Apa saja — ini mode bawaan.

Arahkan kursor atau ketuk sebuah lensa · setiap beberapa detik semuanya menyatu menjadi satu jawaban

05Demo langsung

Jelajahi graf pengetahuan sungguhan.

Sebuah pustaka contoh — dokumen strategi sebuah perusahaan fiktif — sebagaimana diekstrak MENTOR. Arahkan kursor untuk menelusuri koneksi, klik entitas untuk memeriksanya, beralihlah antara tipe dan komunitas. Dokumen contohnya berbahasa Inggris.

Memuat graf
  • Klik entitas untuk melihat detail
  • Seret untuk menggeser
  • ⌘/Ctrl + gulir atau cubit untuk zoom

06Fitur

Semua yang dibutuhkan tim pengetahuan. Tanpa yang tidak perlu.

  • Pustaka & organisasi

    Satu pustaka untuk setiap tim

    Setiap pustaka memiliki dokumen, skema, graf, dan pengaturannya sendiri, dalam lingkup satu organisasi Clerk. Admin membentuknya; anggota menjelajah dan bertanya.

    Strategy 2026142 dokumen · acme-orgTerindeks
    Engineering handbook318 dokumen · acme-orgMemproses 62%
    Customer contracts57 dokumen · acme-orgTerindeks
    • Per organisasi
    • Peran
    • Skema per pustaka

  • Penjelajah graf

    Eksplorasi ala Bloom

    Perluas tetangga, temukan jalur di antara dua entitas, dan saring berdasarkan tipe atau komunitas di kanvas WebGL yang gesit.

    • Tetangga
    • Jalur
    • Komunitas

  • Kesehatan graf

    Deduplikasi tanpa repot

    Entitas yang nyaris duplikat, entitas terisolasi, dan tautan lemah muncul dengan sendirinya. Gabungkan atau abaikan tiap saran dengan satu klik.

    Nimbus EdgeNimbus Edge gateway
    Nimbus Edge96%
    • Duplikat
    • Terisolasi
    • Gabungkan

  • Skema & ontologi

    Bahasa Anda, tipe Anda

    Mulai dari preset atau biarkan MENTOR menyarankan tipe entitas dan relasi dari dokumen Anda sendiri, lalu sempurnakan.

    • Preset
    • Saran
    • Graf skema

  • Detail retrieval

    Lihat alasan di balik jawabannya

    Setiap eksekusi menyimpan bagian teks, skor, mode, token, dan latensinya — dengan evaluasi kualitas opsional sesuai permintaan.

    • Riwayat eksekusi
    • Skor
    • Evaluasi

  • Admin & antrean

    Operasional yang benar-benar terlihat

    Pantau antrean dan job secara langsung, coba ulang yang gagal, putar ulang pesan bermasalah, atur model dan batas — dengan jejak audit yang lengkap.

    ingest12 berjalan
    graph-extract4 berjalan
    communitiesmenganggur
    ingest-poison0 pesan · putar ulang
    • Job
    • Percobaan ulang
    • Log audit

07Kasus penggunaan

Dibuat untuk dokumen yang benar-benar Anda miliki.

Strategi & dokumen direksi

Memori institusional untuk ruang rapat direksi

Bertahun-tahun materi rapat direksi, presentasi strategi, dan daftar risiko menjadi satu graf keputusan, penanggung jawab, dan tanggal.

  • Telusuri keputusan apa pun hingga ke dokumen dan halamannya
  • Tanyakan apa yang berubah dari kuartal ke kuartal
  • Bekali direktur baru dengan ringkasan komunitas
Strategy 2026 · 142 dokumen

Sumber

  • Board pack Q3.pdf1
  • Strategy 2026.pptx2
  • Risk register.xlsx3

Tanya · 360°

Apa keputusan direksi tentang Nimbus pada Q3?

Tinjauan Direksi Q3 menyetujui proposal investasi Nimbus 1 dan menjadikan diversifikasi pemasok sebagai prioritas Q4 2.

VektorGrafLokalGlobal

08Keamanan & platform

Dihosting sendiri. Tetap di server Anda.

MENTOR berjalan sebagai satu stack Docker Compose di mesin yang Anda kendalikan: aplikasi web, API, worker, database, penyimpanan objek, dan proxy HTTPS. Dokumen Anda tidak pernah disimpan di tempat lain.

  • Server Anda, data Anda

    File asli berada di penyimpanan objek; chunk, vektor, entitas, dan laporan komunitas berada di PostgreSQL — keduanya dalam kontainer di mesin yang Anda jalankan.

  • Organisasi sudah bawaan

    Clerk menangani proses masuk dan organisasi. Setiap pustaka, kueri, dan job diperiksa terhadap organisasi dan peran pemanggilnya.

  • Tangguh sejak dirancang

    Antrean kerja di database melacak setiap tahap, mencoba ulang kegagalan, bertahan melewati restart, dan memungkinkan admin memutar ulang apa pun yang macet.

  • Akuntabel

    Perubahan oleh admin tercatat di log audit, dan setiap jawaban menyimpan detail retrieval di baliknya.

  1. MENTOR StudioAplikasi web Next.js
  2. ClerkMasuk · organisasi
  3. API & workerKontainer .NETmilik Anda
  4. Penyimpanan objekfile asli · S3milik Anda
  5. Antrean kerjapipeline ingestimilik Anda
  6. PostgreSQLpgvector · grafmilik Anda
  7. Model AndaOpenAI · Anthropic · Ollama

09Pertanyaan umum

Pertanyaan, terjawab.

Versi singkat tentang cara kerja MENTOR, ke mana data Anda pergi, dan mengapa setiap jawaban disertai sumbernya.

Coba dengan dokumen Anda

Retrieval-augmented generation (RAG) yang melihat pustaka Anda dari segala sisi. Selain pencarian semantik (vektor) dan kata kunci, MENTOR membangun graf pengetahuan dari entitas dan relasi di dokumen Anda, mengelompokkannya menjadi komunitas dengan ringkasan tertulis, lalu memadukan semuanya — vektor, hibrida, graf, lokal, dan global — menjadi satu jawaban yang berpijak pada sumber.

Mentor adalah intuisi terdistribusi

Dokumen Anda sudah tahu. Biarkan mereka menjawab.

Buat pustaka, masukkan satu folder, dan ajukan pertanyaan pertama Anda — lengkap dengan kutipan — dalam hitungan menit.

Mulai membangun
Masuk