In Depth
产品详解
产品定位
认知中台是平台的智能中枢：多厂商大模型统一接入、企业级 RAG 知识引擎、可视化 AI 工作流、MCP 工具生态，以及知识图谱支撑的 Agent 认知能力。它的使命是把“老师傅的经验”变成“企业的资产”。
解决什么问题
知识随人走。 规程躺在 PDF 里、经验住在人脑里，人一退休全带走。知识库提供文档上传 → 智能分段 → 向量化 → 语义检索的全流程管理，RAG 检索增强让每个回答附引用溯源——显著降低幻觉，答有所据。
问个数要打五个电话。 智能体对话直达设备档案与实时数据：自然语言问设备、问数据、问规程，答案是企业的真实数据与文档，不是模型的想象。
AI 应用难落地。 可视化工作流编排器用 30+ 内置节点（LLM、RAG 检索、MCP 工具、知识图谱、代码执行、条件分支、循环迭代、子流程…）把“发现异常 → 检索知识 → 生成工单”这类闭环拖拽出来，编排成果一键发布为 API。
核心能力详解
多模型统一接入
内置主流厂商模型适配与本地开源模型私有化接入，模型配置数据化管理——默认模型切换、参数调优、密钥池化维护，业务代码零改造换模型。SSE 流式对话、多轮会话、用量统计、模型调试 Playground 开箱即用。
知识图谱 + GraphRAG
实体关系管理、实体对齐、社区发现与图检索增强——结构化知识与向量检索双轮驱动；配合本体知识网络（BKN）编辑，设备、部件、现象、因果连成可推理的网络，异常时顺藤摸瓜。
MCP 工具生态
完整支持 Model Context Protocol：Server 注册、健康检查、动态启停；工具元数据自动发现，大模型按需调用平台与外部系统能力；调用日志与链路追踪让每次工具使用可审计。
认知与记忆
长短期记忆体系让多轮对话越用越懂你；自然语言查数（NL2Query）把“查一下 3 号泵上周的振动”翻译成真实查询；评测体系持续度量知识库与回答质量。
常见问题
数据会不会泄给模型厂商？——支持本地开源模型私有化部署全链路内网运行，知识不出企业边界。
冷启动难吗？——从单一知识库（如安全规程）+ 问数场景起步最快；知识图谱可随案例积累渐进构建。
四大能力，一句话记住
智能体是对话入口，知识库与知识图谱是『懂业务』的底气，MCP 是『够得着数据』的手。
- 智能体对话：多轮流式对话，支持上下文追问与会话历史回溯——把问题说清楚，剩下的交给智能体，不要求你会写提示词或懂模型原理；
- 知识库与 RAG：上传文档构建知识库，检索增强生成让回答有据可查、附引用出处；
- 知识图谱：把企业知识组织成实体关系网络，擅长回答『关联关系』类问题（这台设备和哪些系统有关联？故障影响面有多大？）；
- MCP 工具集成：按标准协议接入外部工具，智能体在对话中按需调用、全程留痕。
一个真实的求助过程
某换热站运行人员遇到回水温度持续偏低：
- 他在智能体对话中提问：『2 号换热站回水温度偏低有哪些可能原因？』
- 智能体先在知识库中检索运维手册与历史处置记录，再借助工具查询该站近一周的运行数据；
- 回答给出三条可能原因，每条都附知识库出处；
- 他追问『上次类似问题是怎么处理的』，智能体沿上下文给出当年处置记录的摘要；
- 处置完成后，运维工程师把本次案例整理成新文档补充进知识库——下一个人再遇到同类问题时，回答里就有了这次的经验。
与『搜索文档』的本质区别
搜索给你一堆链接，对话直接给你带出处的答案。调用可审计：对话、检索与工具调用均有日志留存，方便运营分析与合规检查；知识持续沉淀：处置新经验以文档形式回流知识库，系统越用越『懂』业务。