数据提取分析系统 · 从文档内容到业务关系
让 AI 找到内容，
也理解内容之间的关系。
从 Word 提取业务字段，从 Excel 整理表格数据，再确认实体、属性与关系，将分散信息组织成可供 AI 查询的知识图谱。
- 企业数据
- 结构化提取与知识图谱
01 / BEYOND INDIVIDUAL TEXT CHUNKS
有些业务问题，
需要把分散的信息连起来。
切片可以帮助检索片段，但“合同涉及哪些设备、设备属于哪个项目、项目又对应哪个业主”还需要明确的业务关系。平台从 Word、Excel 中整理字段与数据，再通过实体、属性和关系定义，为 AI 提供更清楚的知识组织方式。
- 把内容变成字段
从一段合同文字，整理出名称、工期、付款条件等明确的数据项。
- 把对象与属性分清
识别合同、设备、项目等业务对象，区分名称、金额和其他属性。
- 把关系组织起来
进一步确认对象如何关联，让跨对象的问题有关系可循。
02 / EXTRACT BUSINESS FIELDS WITH EVIDENCE
从一份 Word，
整理出可核对的业务字段。
先明确要提取什么，再按模板组织结果。以 EPC 合同演示为例，合同信息、工期里程碑、付款节点等分组呈现；字段对应原文证据，缺失或不明确的内容留待复核，为后续业务使用准备结构化记录。
- 按业务模板提取
先围绕具体业务定义数据项，避免只得到难以继续使用的大段文字。
- 保留复核入口
把字段结果、数据类型与原文依据放在一起，方便业务人员核对。
- 继续用于数据处理
界面提供 JSON 与 Excel 导出入口，便于将记录交给后续处理流程。
查看字段对应的原文证据
03 / MAKE TABLE DATA EXPLICIT
表格里的业务含义，
也要整理成明确的数据。
Excel 不只有单元格里的数值，还有表头、层级、费用名称和业务口径。平台通过解析器将内容规整为表格数据，保留可以检查的结果，再交给 AI 分析或后续知识组织。
- 围绕表格选择解析方式
按资料类型匹配解析器，让列名、层级与记录关系有明确的表达。
- 先检查规整结果
在表格中查看提取后的字段与内容，确认业务含义是否保留。
- 为分析与建图准备数据
规整后的记录可服务表格分析；需要跨表关联时，再定义实体与关系。
查看系统保留的表格分析结果
04 / DEFINE THE ENTITIES AND THEIR RELATIONSHIPS
建图之前，
先把业务关系定义清楚。
Schema 可以理解为一份业务关系定义：有哪些对象、用什么字段识别、保留哪些属性、对象之间如何连接。本页以已有的多表 Excel 建图任务为例，确认“合同包含设备”等有方向的关系，并保留来源表与字段依据。
- 对象有统一定义
将合同、设备、项目等识别为实体，明确识别字段与展示字段。
- 属性与关系各有位置
金额等信息作为属性，跨对象的联系通过有方向的关系表达。
- 关系有来源依据
把“包含”“属于”“参与设计”等含义与来源表、字段对应起来。
05 / CONNECT THE KNOWLEDGE FOR AI
把分散的记录，
连成可查询的业务知识。
按确认后的 Schema 组织图谱，将设备、合同、项目、业主等对象连接起来。需要回答“某位设计师参与哪些项目、项目对应哪个业主”时，AI 可以围绕这些明确关系查询，而不只依赖某一个文本片段。
- 从片段走向关系
将同一业务对象在不同表中的联系组织到图谱中。
- 为跨对象查询准备依据
沿设计师、项目、合同、设备等关系组织查询所需的业务信息。
- 与切片配合使用
文本片段保留原文语境，结构化字段与图谱补充对象、属性及关系。
AI IN THE BUSINESS WORKFLOW
让 AI 理解业务，
从组织好业务知识开始。
从资料预处理、知识切片，到结构化提取与关系建图，按资料特点和实际问题选择组织方式。让原文、字段与业务关系各有作用，共同为 AI 问答与应用准备依据。
内容变成字段从 Word 与 Excel 整理业务信息
对象建立联系确认实体、属性与关系方向
知识服务 AI为分析和关系查询准备数据