Langkau ke kandungan

360° GraphRAG · Knowledge Studio

Ubah dokumen menjadi pengetahuan yang saling berhubung.

MENTOR mengekstrak, memecahkan kepada chunk, menjana embedding dan menghubungkan semua yang ditulis oleh pasukan anda menjadi graf pengetahuan yang hidup — kemudian menjawab berdasarkan keseluruhan 360° graf itu, dengan sitasi bagi setiap kenyataan.

Mula membina
Lihat cara ia berfungsi
  • Dihoskan sendiri pada pelayan anda
  • Setiap jawapan disertakan sitasi
  • Pustaka mengikut organisasi
Membaca format yang sudah anda miliki · berjalan pada stack yang anda percayai
  • PDF
  • Word
  • PowerPoint
  • Excel
  • HTML
  • Markdown
  • CSV
  • URL web
  • Hos sendiri
  • Docker Compose
  • PostgreSQL + pgvector
  • Storan serasi S3
  • Baris gilir kerja terbina dalam
  • OpenAI
  • Anthropic
  • Ollama

01Apakah itu GraphRAG 360°

Carian membaca teks. MENTOR membaca hubungannya.

RAG klasik mendapatkan beberapa perenggan yang serupa. GraphRAG 360° melihat pustaka anda dari empat sudut serentak — makna, perkataan, entiti yang terlibat dan tema di sekelilingnya — lalu memadukannya menjadi satu jawapan yang berasaskan sumber dan disertakan sitasi.

  • 01 · Vektor

    Semantik

    Embedding menemukan petikan yang membawa maksud yang sama, walaupun tiada satu pun perkataan yang serupa.

  • 02 · Kata kunci

    Leksikal

    Istilah, kod dan nama yang tepat turut dipadankan, kemudian dipadukan dengan hasil semantik.

  • 03 · Graf setempat

    Kejiranan entiti

    Entiti dalam soalan membawa bersama hubungan, chunk sumber dan komunitinya.

  • 04 · Global

    Ringkasan komuniti

    Kelompok entiti yang berkaitan diringkaskan, supaya soalan yang luas mendapat jawapan yang merangkumi seluruh pustaka.

SemantikLeksikalSetempatGlobalsatu jawapan dengan sitasi

Dipadukan dan disusun semula mengikut kedudukan, kemudian ditulis dengan sitasi bernombor yang merujuk petikan yang tepat.

mod dapatan semula
6
Vektor, hibrid, graf, setempat dan global — atau semuanya dipadukan sebagai 360°.
konteks
360°
Makna, perkataan, entiti dan tema di sebalik setiap jawapan.
jawapan dengan sitasi
100%
Setiap kenyataan dipautkan kepada petikan dan halaman asalnya yang tepat.
ke graf pertama
<5min
Masukkan satu folder dokumen dan lihat graf itu terbina dengan sendirinya.

02Cara ia berfungsi

Dari muat naik hingga jawapan dalam tujuh langkah.

Setiap dokumen melalui pipeline tahan lasak yang sama pada pelayan anda sendiri — dan anda boleh melihat setiap peringkat berlaku.

  1. Langkah 01

    Muat naik

    Lepaskan fail PDF, Word, PowerPoint, Excel, HTML, Markdown atau CSV — atau tampal URL. Fail asal disimpan dalam storan objek anda sendiri.

  2. Langkah 02

    Baris gilir

    Setiap dokumen memasuki baris gilir kerja dalam pangkalan data anda. Worker mengambilnya, menjejak setiap peringkat, mencuba semula jika gagal dan menyambung kerja selepas dimulakan semula.

  3. Langkah 03

    Ekstrak & chunk

    Teks dan struktur diekstrak, kemudian dipecahkan kepada chunk bersaiz token yang mengingati nombor halamannya.

  4. Langkah 04

    Embedding

    Setiap chunk menjadi vektor dalam PostgreSQL + pgvector, sedia untuk carian semantik dan hibrid.

  5. Langkah 05

    Graf

    Model membaca setiap chunk untuk mencari entiti dan hubungan, dan pendua digabungkan menjadi satu graf bagi seluruh pustaka.

  6. Langkah 06

    Komuniti

    Entiti yang berkaitan dikelompokkan pada dua aras, dan setiap komuniti mendapat ringkasan bertulis serta dapatan utama.

  7. Langkah 07

    Tanya

    Soalan dijalankan merentas setiap mod dapatan semula dan kembali sebagai satu jawapan, dengan sitasi bernombor yang merujuk sumbernya.

03Sumber

Semua format. Satu graf.

Kertas lembaga, buku panduan, hamparan dan laman web semuanya mengalir ke teras yang sama — diekstrak, dihubungkan dan sedia untuk disoal.

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

  • Pengekstrakan peka halaman

    Chunk mengekalkan nombor halamannya, jadi setiap sitasi dibuka pada halaman yang betul.

  • Pautan, diambil untuk anda

    Tampal URL dan MENTOR mengambilnya di sisi pelayan, kemudian memasukkannya ke baris gilir seperti mana-mana muat naik.

  • Proses semula bila-bila masa

    Ubah skema atau model, kemudian proses semula dokumen atau bina semula komuniti dengan satu klik.

04Dapatan semula 360°

Enam kanta. Satu jawapan.

Pilih satu kanta untuk melihat cara MENTOR meneliti pustaka anda — atau biarkan 360° menjalankan kesemuanya dan memadukan apa yang ditemukan.

Soalan

Sejauh manakah Nimbus GA terdedah kepada risiko bekalan?

Kanta 360°

Hibrid + graf + setempat + global, dipadukan.

Terbaik untuk: Apa-apa sahaja — inilah mod lalai.

Tuding atau ketik pada kanta · setiap beberapa saat semuanya bertumpu menjadi satu jawapan

05Demo langsung

Terokai graf pengetahuan yang sebenar.

Sebuah pustaka contoh — kertas strategi sebuah syarikat rekaan — seperti yang diekstrak oleh MENTOR. Tuding untuk menjejak hubungan, klik entiti untuk menelitinya, tukar antara jenis dan komuniti. Dokumen contoh adalah dalam bahasa Inggeris.

Memuatkan graf
  • Klik entiti untuk melihat butiran
  • Seret untuk bergerak
  • ⌘/Ctrl + tatal atau cubit untuk zum

06Ciri

Semua yang diperlukan oleh pasukan pengetahuan. Tiada yang tidak perlu.

  • Pustaka & organisasi

    Satu pustaka untuk setiap pasukan

    Setiap pustaka mempunyai dokumen, skema, graf dan tetapannya sendiri, dalam skop sebuah organisasi Clerk. Pentadbir membentuknya; ahli meneroka dan bertanya.

    Strategy 2026142 dokumen · acme-orgDiindeks
    Engineering handbook318 dokumen · acme-orgMemproses 62%
    Customer contracts57 dokumen · acme-orgDiindeks
    • Skop organisasi
    • Peranan
    • Skema setiap pustaka

  • Peneroka graf

    Penerokaan gaya Bloom

    Kembangkan jiran, cari laluan antara dua entiti dan tapis mengikut jenis atau komuniti pada kanvas WebGL yang pantas.

    • Jiran
    • Laluan
    • Komuniti

  • Kesihatan graf

    Bersihkan pendua tanpa leceh

    Entiti hampir pendua, entiti terpencil dan pautan lemah timbul dengan sendirinya. Gabungkan atau abaikan setiap cadangan dengan satu klik.

    Nimbus EdgeNimbus Edge gateway
    Nimbus Edge96%
    • Pendua
    • Terpencil
    • Gabung

  • Skema & ontologi

    Bahasa anda, jenis anda

    Mulakan dengan pratetap atau biarkan MENTOR mencadangkan jenis entiti dan hubungan daripada dokumen anda sendiri, kemudian perhalusinya.

    • Pratetap
    • Cadangan
    • Graf skema

  • Butiran dapatan semula

    Lihat sebab di sebalik jawapannya

    Setiap larian menyimpan petikan, skor, mod, token dan kependamannya — dengan penilaian kualiti pilihan atas permintaan.

    • Sejarah larian
    • Skor
    • Penilaian

  • Pentadbiran & baris gilir

    Operasi yang benar-benar dapat anda lihat

    Pantau baris gilir dan tugas secara langsung, cuba semula yang gagal, main semula mesej bermasalah, laraskan model dan had — dengan jejak audit yang lengkap.

    ingest12 sedang berjalan
    graph-extract4 sedang berjalan
    communitiesmelahu
    ingest-poison0 mesej · main semula
    • Tugas
    • Cubaan semula
    • Log audit

07Kes penggunaan

Dibina untuk dokumen yang benar-benar anda miliki.

Strategi & kertas lembaga

Memori institusi untuk bilik mesyuarat lembaga

Kertas lembaga, slaid strategi dan daftar risiko selama bertahun-tahun menjadi satu graf keputusan, pemilik dan tarikh.

  • Jejak sebarang keputusan kembali ke kertas dan halamannya
  • Tanya apa yang berubah antara suku tahun
  • Beri taklimat kepada pengarah baharu dengan ringkasan komuniti
Strategy 2026 · 142 dokumen

Sumber

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

Tanya · 360°

Apakah keputusan lembaga pengarah tentang Nimbus pada Q3?

Semakan Lembaga Q3 meluluskan kes pelaburan Nimbus 1 dan menjadikan usaha mempelbagaikan pembekal sebagai keutamaan Q4 2.

VektorGrafSetempatGlobal

08Keselamatan & platform

Dihoskan sendiri. Kekal pada pelayan anda.

MENTOR berjalan sebagai satu stack Docker Compose pada mesin yang anda kawal: aplikasi web, API, worker, pangkalan data, storan objek dan proksi HTTPS. Dokumen anda tidak sekali-kali disimpan di tempat lain.

  • Pelayan anda, data anda

    Fail asal berada dalam storan objek; chunk, vektor, entiti dan laporan komuniti berada dalam PostgreSQL — kedua-duanya dalam kontena pada mesin yang anda kendalikan.

  • Organisasi terbina dalam

    Clerk mengendalikan log masuk dan organisasi. Setiap pustaka, pertanyaan dan tugas disemak terhadap organisasi dan peranan pemanggil.

  • Tahan lasak mengikut reka bentuk

    Baris gilir kerja dalam pangkalan data menjejak setiap peringkat, mencuba semula kegagalan, bertahan selepas dimulakan semula dan membolehkan pentadbir memainkan semula apa-apa yang tersekat.

  • Boleh diaudit

    Perubahan oleh pentadbir direkodkan dalam log audit, dan setiap jawapan menyimpan butiran dapatan semula di sebaliknya.

  1. MENTOR StudioAplikasi web Next.js
  2. ClerkLog masuk · organisasi
  3. API & workerKontena .NETmilik anda
  4. Storan objekfail asal · S3milik anda
  5. Baris gilir kerjapipeline pengingesanmilik anda
  6. PostgreSQLpgvector · grafmilik anda
  7. Model andaOpenAI · Anthropic · Ollama

09Soalan Lazim

Soalan, terjawab.

Versi ringkas tentang cara MENTOR berfungsi, ke mana data anda pergi dan sebab setiap jawapan disertakan sumbernya.

Cuba dengan dokumen anda

Penjanaan berbantukan dapatan semula (RAG) yang melihat pustaka anda dari setiap sudut. Di samping carian semantik (vektor) dan kata kunci, MENTOR membina graf pengetahuan daripada entiti dan hubungan dalam dokumen anda, mengelompokkannya kepada komuniti dengan ringkasan bertulis, dan memadukan kesemuanya — vektor, hibrid, graf, setempat dan global — menjadi satu jawapan yang berasaskan sumber.

Mentor ialah intuisi teragih

Dokumen anda sudah tahu. Biarkan ia menjawab.

Cipta pustaka, masukkan satu folder dan tanya soalan pertama anda — lengkap dengan sitasi — dalam beberapa minit.

Mula membina
Log masuk