我们给一个代理提供了整个公司的知识图谱，并询问了它五个公司范围内的问题。它的回答与之前一样准确，所用时间减少了73%，读取的输入令牌减少了92%，模型调用次数减少了66%。构建图谱几乎没有使用模型令牌。一般起草规则按照已书写的事项记录进行阅读，仅在需要进行大语言模型映射时进行增强。模拟公司的图谱逐层动画：事项和文件到它们的条款，然后是法律、专业知识、客户和人员、通讯、截止日期和资金。该图谱从公司的事项和文件延伸到单个条款，再到其客户、依赖的法律、专业知识、电子邮件、截止日期和时间账本。你实际上是如何构建这个图谱的？很多公司的知识存储在人的脑海中，他们很少有时间将其输入图谱。有些知识可以从通讯和文件之间的链接中隐含捕获。剩余的知识在多大程度上能够接触到，取决于公司已记录的数据是否编码了这些信息。例如，在一家律师事务所的事项中，我们已经确切知道对方是谁以及哪些文件属于他们。我们从四个层次进行思考。首先，知识是否隐含在数据的结构中？第二，规则能否提取这些知识？第三，语言模型在哪里可以增加规则无法提供的连接，包括语义连接？第四，哪些连接最有价值，如何使其成本更低，以及哪种总体图谱形状效果最佳？每个答案都取决于领域，而且每一个都需要实验。大部分图谱已经存在。公司的系统已经保存了很多图谱的内容。实践管理系统知道每个事项的客户、对方、合伙人和团队。公司注册表提供每个公司的母公司，时间账本记录谁做了什么以及是否已开账单。将这些数据加载到一个地方使得这些连接清晰且可解析。稀疏搜索不会立即显示美瑞电网服务公司属于海尔西安集团，但网络搜索会显示。文件提供了这些标记背后的详细信息。先是规则，然后是弥补它们缺失之处的模型。规则便宜、快速且可预测，可以确切说明为什么它们找到了某些东西，但它们错过了未编写的内容。模型可以读取任何内容，但每个句子都花费金钱，有时还会编造内容。因此，首先使用规则。当一个句子显示出他们无法读取的事实的迹象，比如没有可以解析的日期的月份，或者没有数字的责任限额，只有该句子发送到一个小模型中。模型仅被询问图谱的字段，其回答被保存，因此重建只需支付新文本的费用。为了在没有我们自身起草帮助的情况下测试这一点，我们让一个不同的模型以六种其他起草风格重写所有245个文件，以及五封声明日期的已提交电子邮件。然后我们以四种方式构建图谱，并每次评分。将141个被标记的句子发送给模型，占房间句子的不到2%，花费不到5美分，使判断和上限问题达到100%。每个句子的模型读取成本是27倍，而且总体上效果并不好。它找到了每个截止日期，但把每月费用15%的服务信用视为责任上限，并且在我们自己的起草中遗漏了规则找到的四个截止日期。混合模式的遗漏有明显原因。两个截止日期在扫描PDF样式的法庭命令中，其中一行换行留在短编号行的末尾“在下午4点之前”。规则将该行视为标题，因此其下方的日期没有上下文，而仅仅是一个日期不算作缺口。构建所需的成本。图谱可以从两种类型的源构建。第一种是普通的JSON文件：客户、事项和收费人员的登记，每个文件都有文本。JSON是平台无关的，因此任何公司都可以通过从其CRM、实践管理系统或文档存储中导出它来生成它，而我们的测试公司就是通过这种方式到达的。第二种是以事项为中心的平台，如Lexifina，它捕获人们处理工作时的相同事实：事项记录、已上传的文件、归档到事项的电子邮件和财务账本。无需导出，但某些读取是在上传文件时发生的。流程图每项都有一个选项卡。JSON导出616个文件，1.8 MB，因为任何CRM或实践管理系统都可以导出它们：文件索引、事项记录、文件、电子邮件、时间账本、登记、专业知识和法律库。登记，一次性加载。收费人员 0.2 毫秒·0 令牌 20 个收费人员 公司登记和客户 2.7 毫秒·0 令牌 113 公司 16 个母子公司链接 法律库 1.9 毫秒·0 令牌 18 个权威机构 4 个后续、适用、偏离和考虑链接 专业知识 2.1 毫秒·0 令牌 4 个专业知识条目 1 个与案件的链接 1 个与另一个先例的链接 对于每个120个事项 事项记录 5.0 毫秒·0 令牌 120 个事项，覆盖6个实践领域