01 · เวกเตอร์
เชิงความหมาย
Embedding ค้นหาข้อความที่มีความหมายเดียวกัน แม้จะไม่มีคำใดตรงกันเลย
360° GraphRAG · Knowledge Studio
MENTOR สกัด แบ่งเป็น chunk ทำ embedding และเชื่อมโยงทุกสิ่งที่ทีมของคุณเขียน ให้กลายเป็นกราฟความรู้ที่มีชีวิต แล้วตอบจากข้อมูลรอบด้านทั้ง 360° พร้อมการอ้างอิงกำกับทุกประเด็น
01360° GraphRAG คืออะไร
RAG แบบดั้งเดิมดึงมาเพียงไม่กี่ย่อหน้าที่คล้ายกัน ส่วน 360° GraphRAG มองไลบรารีของคุณพร้อมกันสี่มุม ทั้งความหมาย ถ้อยคำ เอนทิตีที่เกี่ยวข้อง และธีมที่อยู่รายรอบ แล้วหลอมรวมเป็นคำตอบเดียวที่มีหลักฐานรองรับและมีการอ้างอิง
01 · เวกเตอร์
Embedding ค้นหาข้อความที่มีความหมายเดียวกัน แม้จะไม่มีคำใดตรงกันเลย
02 · คีย์เวิร์ด
คำเฉพาะ รหัส และชื่อที่ตรงตัวจะถูกจับคู่ด้วย แล้วหลอมรวมกับผลลัพธ์เชิงความหมาย
03 · กราฟโลคัล
เอนทิตีในคำถามจะดึงความสัมพันธ์ chunk ต้นทาง และคอมมูนิตีของมันเข้ามาด้วย
04 · โกลบอล
กลุ่มของเอนทิตีที่เกี่ยวข้องกันจะถูกสรุปไว้ คำถามกว้างๆ จึงได้คำตอบจากทั้งไลบรารี
เชิงความหมายเชิงคำศัพท์โลคัลโกลบอลคำตอบเดียวพร้อมการอ้างอิง
หลอมรวมและจัดอันดับใหม่ จากนั้นเรียบเรียงเป็นคำตอบ พร้อมการอ้างอิงแบบมีหมายเลขไปยังข้อความต้นทางที่ตรงจุด
02วิธีการทำงาน
เอกสารทุกฉบับวิ่งผ่านไปป์ไลน์ที่ทนทานชุดเดียวกันบนเซิร์ฟเวอร์ของคุณเอง และคุณดูแต่ละขั้นตอนทำงานได้แบบสดๆ
ขั้นตอนที่ 01
ลากไฟล์ PDF, Word, PowerPoint, Excel, HTML, Markdown หรือ CSV มาวาง หรือจะวาง URL ก็ได้ ไฟล์ต้นฉบับจะถูกเก็บไว้ในที่เก็บข้อมูลออบเจ็กต์ของคุณเอง
ขั้นตอนที่ 02
เอกสารทุกฉบับจะเข้าคิวงานในฐานข้อมูลของคุณ เวิร์กเกอร์จะรับไปทำ ติดตามแต่ละขั้นตอน ลองใหม่เมื่อล้มเหลว และทำต่อได้หลังรีสตาร์ต
ขั้นตอนที่ 03
ข้อความและโครงสร้างจะถูกดึงออกมา แล้วแบ่งเป็น chunk ตามขนาดโทเคน โดยแต่ละ chunk ยังจำเลขหน้าของตัวเองได้
ขั้นตอนที่ 04
แต่ละ chunk จะกลายเป็นเวกเตอร์ใน PostgreSQL + pgvector พร้อมสำหรับการค้นหาเชิงความหมายและแบบไฮบริด
ขั้นตอนที่ 05
โมเดลจะอ่านทุก chunk เพื่อหาเอนทิตีและความสัมพันธ์ แล้วรวมรายการซ้ำให้เป็นกราฟเดียวของทั้งไลบรารี
ขั้นตอนที่ 06
เอนทิตีที่เกี่ยวข้องกันจะถูกจัดกลุ่มเป็นสองระดับ และแต่ละคอมมูนิตีจะได้บทสรุปพร้อมข้อค้นพบสำคัญ
ขั้นตอนที่ 07
คำถามจะวิ่งผ่านทุกโหมดการค้นคืน แล้วกลับมาเป็นคำตอบเดียว พร้อมการอ้างอิงแบบมีหมายเลขไปยังแหล่งที่มา
03แหล่งข้อมูล
เอกสารประชุมบอร์ด คู่มือ สเปรดชีต และหน้าเว็บ ล้วนไหลเข้าสู่แกนกลางเดียวกัน ผ่านการสกัด เชื่อมโยง และพร้อมให้ตั้งคำถาม
chunk เก็บเลขหน้าของตัวเองไว้ ทุกการอ้างอิงจึงเปิดไปยังหน้าที่ถูกต้อง
วาง URL แล้ว MENTOR จะดึงเนื้อหาจากฝั่งเซิร์ฟเวอร์ จากนั้นเข้าคิวเหมือนการอัปโหลดทั่วไป
เปลี่ยนสคีมาหรือโมเดล แล้วประมวลผลเอกสารใหม่หรือสร้างคอมมูนิตีใหม่ได้ในคลิกเดียว
04การค้นคืน 360°
เลือกเลนส์เพื่อดูว่า MENTOR มองไลบรารีของคุณอย่างไร หรือให้ 360° รันทุกเลนส์แล้วหลอมรวมสิ่งที่พบ
คำถาม
Nimbus GA มีความเสี่ยงด้านซัพพลายมากแค่ไหน?
เลนส์ 360°
ไฮบริด + กราฟ + โลคัล + โกลบอล หลอมรวมกัน
เหมาะสำหรับ: ทุกอย่าง นี่คือโหมดเริ่มต้น
ชี้หรือแตะที่เลนส์ · ทุกไม่กี่วินาที เลนส์ทั้งหมดจะรวมเป็นคำตอบเดียว
05เดโมสด
ไลบรารีตัวอย่างจากเอกสารกลยุทธ์ของบริษัทสมมติ ในแบบที่ MENTOR สกัดออกมา ชี้เพื่อไล่ตามความเชื่อมโยง คลิกเอนทิตีเพื่อดูรายละเอียด และสลับระหว่างมุมมองตามประเภทกับตามคอมมูนิตี เอกสารตัวอย่างเป็นภาษาอังกฤษ
06ฟีเจอร์
ไลบรารีและองค์กร
แต่ละไลบรารีมีเอกสาร สคีมา กราฟ และการตั้งค่าของตัวเอง โดยผูกขอบเขตกับองค์กรใน Clerk ผู้ดูแลระบบเป็นผู้กำหนดรูปแบบ ส่วนสมาชิกสำรวจและถามคำถาม

ตัวสำรวจกราฟ
ขยายเพื่อนบ้าน ค้นหาเส้นทางระหว่างสองเอนทิตี และกรองตามประเภทหรือคอมมูนิตี บนแคนวาส WebGL ที่รวดเร็ว

สุขภาพของกราฟ
เอนทิตีที่เกือบซ้ำกัน เอนทิตีกำพร้า และลิงก์ที่อ่อน จะปรากฏขึ้นมาเอง รวมหรือปัดทิ้งแต่ละคำแนะนำได้ในคลิกเดียว
สคีมาและออนโทโลยี
เริ่มจากพรีเซ็ต หรือให้ MENTOR แนะนำประเภทเอนทิตีและความสัมพันธ์จากเอกสารของคุณเอง แล้วค่อยปรับแต่ง

รายละเอียดการค้นคืน
ทุกการรันจะเก็บข้อความที่ดึงมา คะแนน โหมด โทเคน และความหน่วงเอาไว้ พร้อมการประเมินคุณภาพที่เรียกใช้ได้เมื่อต้องการ

ผู้ดูแลระบบและคิว
ดูคิวและงานแบบสด ลองงานที่ล้มเหลวใหม่ รันข้อความ poison ซ้ำ ปรับโมเดลและขีดจำกัด พร้อมบันทึกการตรวจสอบครบถ้วน

07กรณีการใช้งาน
กลยุทธ์และเอกสารบอร์ด
เอกสารประชุมบอร์ด สไลด์กลยุทธ์ และทะเบียนความเสี่ยงที่สะสมมาหลายปี กลายเป็นกราฟเดียวของการตัดสินใจ ผู้รับผิดชอบ และวันที่
แหล่งข้อมูล
ถาม · 360°
คณะกรรมการตัดสินใจเรื่อง Nimbus อย่างไรใน Q3?
การประชุมทบทวนของคณะกรรมการประจำ Q3 อนุมัติแผนการลงทุนใน Nimbus 1 และกำหนดให้การกระจายซัพพลายเออร์เป็นวาระสำคัญของ Q4 2
08ความปลอดภัยและแพลตฟอร์ม
MENTOR ทำงานเป็นสแตก Docker Compose ชุดเดียวบนเครื่องที่คุณควบคุม ประกอบด้วยเว็บแอป API เวิร์กเกอร์ ฐานข้อมูล ที่เก็บข้อมูลออบเจ็กต์ และพร็อกซี HTTPS เอกสารของคุณจะไม่ถูกจัดเก็บไว้ที่อื่นใดเลย
ไฟล์ต้นฉบับอยู่ในที่เก็บข้อมูลออบเจ็กต์ ส่วน chunk เวกเตอร์ เอนทิตี และรายงานคอมมูนิตีอยู่ใน PostgreSQL ทั้งสองส่วนอยู่ในคอนเทนเนอร์บนเครื่องที่คุณดูแลเอง
Clerk ดูแลการเข้าสู่ระบบและองค์กร ทุกไลบรารี ทุกคำถาม และทุกงาน จะถูกตรวจสอบเทียบกับองค์กรและบทบาทของผู้เรียก
คิวงานในฐานข้อมูลติดตามทุกขั้นตอน ลองใหม่เมื่อล้มเหลว อยู่รอดหลังรีสตาร์ต และให้ผู้ดูแลระบบรันซ้ำทุกอย่างที่ค้างอยู่ได้
การเปลี่ยนแปลงของผู้ดูแลระบบจะถูกเก็บลงในบันทึกการตรวจสอบ และทุกคำตอบจะเก็บรายละเอียดการค้นคืนที่อยู่เบื้องหลังไว้
09คำถามที่พบบ่อย
ฉบับย่อว่า MENTOR ทำงานอย่างไร ข้อมูลของคุณไปอยู่ที่ไหน และทำไมทุกคำตอบจึงมาพร้อมแหล่งที่มา
คือ Retrieval-Augmented Generation (RAG) ที่มองไลบรารีของคุณจากทุกด้าน นอกจากการค้นหาเชิงความหมาย (เวกเตอร์) และการค้นหาด้วยคีย์เวิร์ดแล้ว MENTOR ยังสร้างกราฟความรู้จากเอนทิตีและความสัมพันธ์ในเอกสารของคุณ จัดกลุ่มเป็นคอมมูนิตีพร้อมบทสรุป แล้วหลอมรวมทั้งหมด ทั้งเวกเตอร์ ไฮบริด กราฟ โลคัล และโกลบอล ให้เป็นคำตอบเดียวที่มีหลักฐานรองรับ
Mentor คือสัญชาตญาณแบบกระจาย
สร้างไลบรารี วางโฟลเดอร์ลงไป แล้วถามคำถามแรกของคุณ พร้อมรับคำตอบที่มีการอ้างอิงได้ในไม่กี่นาที