一家办公设备商的客服，收到一条咨询：
客服需要同时查看产品说明、保修条款、服务范围和申请指引，确认电池适用的期限、杭州可提供的服务，以及申请入口。信息分在不同文档里，一次答复往往需要多次查找。
阿里云向量检索服务 Milvus 版的知识构建能力，可以将企业文档组织成有来源的知识图谱和 Wiki，供团队查证、阅读和维护，并用于检索与 AI 问答。
下面用一组虚构售后资料，看看如何在控制台定义业务对象、构建图谱和 Wiki，再用同一条咨询检查回答。图谱与 Wiki 可以分别构建，按业务需要使用。
概念插画：同一批业务资料，分别组织为图谱和 Wiki。
准备好知识库和模型配置后，进入 Milvus 控制台 → 知识库 → 目标知识库 → 数据管理，导入产品说明、保修条款、服务范围和和申请指引。解析完成后，到切片管理抽查关键条款，确认期限、适用对象和服务条件被正确识别。
后续图谱和 Wiki 都围绕这个知识库里的资料构建。客服可以核对对象与政策，新人可以阅读完整办理指南；业务负责人也能回到原文检查和维护内容。团队反复遇到的咨询，就有了一套可复用的知识依据。
本体（Ontology）约定业务中的对象、属性和关系。在 Milvus 的知识构建中，这套约定通过图谱 Schema 来定义。比如：产品包含哪些部件，部件适用哪条政策，服务覆盖哪些地区。
|
|
|
|
|
|
|
|
|
|
|
|
按这些约定构建后，图谱呈现的是具体事实：办公笔记本包含电池，两者分别关联自己的保修条款；上门检测关联杭州服务范围和售后申请，申请再连接所需材料。
图1 · AI知识组织示意；虚构售后案例，非控制台产物。
可以从默认模板起步，也可以让 AI 帮你生成 Schema。在知识构建中，保留默认的"通用图谱"模板即可构建图谱。需要围绕部件、政策和服务细化时，打开管理图谱 Schema 与规则 → AI 生成，输入业务目标或参考知识库资料；生成后点击使用结果，检查、调整并保存设置，再点击构建图谱。
构建完成后，打开知识图谱，搜索并选中"电池"。左侧目录定位对象，中央画布查看关联，右侧详情展示描述、属性、适用条款和参考来源。
图2 · 图谱完整产品工作区：左侧对象、中央关系、右侧描述与属性及来源；示例数据为人工准备。
在本例中，电池关联12个月保修条款，整机关联24个月条款。客服可以分别核查适用依据，再沿关系查看杭州上门服务和申请材料，避免把整机期限直接套给电池。
Wiki 将资料组织成相互链接的主题文章，供团队连续阅读和人工修订。它可以独立构建，不必先完成图谱。
在知识构建点击构建 Wiki → 开始构建，默认使用全部已解析且启用的文档，首次无需调整模板。构建完成后，点击查看结果，从目录选择文章，展开参考来源对照原文；需要修订时，点击编辑文章 → 保存并更新。
本例使用默认模板，实际生成了"办公笔记本"和"设备售后申请"两篇相互链接的条目。其中一段写道：
围绕整套售后流程，还可以按产品政策、办理要求、服务费用等主题组织阅读。下图用人工整理的目录和"售后处理指南"，展示从保修对照、受理步骤继续查阅具体条款的方式。
图3 · Wiki完整产品工作区：四组十篇主题与售后指南；目录与指南为人工整理。
客服按指南受理，业务负责人维护内容。资料变化时，更新原文并重新构建；人工修订不会被机器更新直接覆盖，有更新建议时可选择保留、采用或合并。
图谱和 Wiki 构建完成并核对内容后，进入对话对话，选择可用的对话模型，版本选草稿。按已构建的内容开启知识图谱或使用 Wiki；两者都准备好时，可以同时开启，再输入开头那条咨询。
在这个案例里，回答需要说明三件事：电池是否仍在保、杭州上门服务的条件、怎样提交申请。得到回答后，打开引用，检查这些结论是否对应原文依据。
图4 · 对话体验完整产品工作区：设置、图谱/Wiki开关、回答与来源；回答及来源为人工准备。
问答可以结合图谱中的对象关系、Wiki 中的办理流程和原文条款。通过知识库问答接口，技术团队也可以把这套能力接入客服助手或内部业务应用。
用本体约定业务对象，用图谱核查具体事实，用 Wiki 整理团队指南，再让这些知识为 AI 问答提供依据。阿里云 Milvus 的知识构建，让产品手册、服务政策和内部资料能够被团队反复查阅、维护和使用。
选择团队经常需要核对的一类文档，构建自己的知识图谱或 Wiki，再用一个实际问题检查结果。
进入阿里云 Milvus 控制台，体验知识构建：https://milvus.console.aliyun.com
知识库使用指南：https://help.aliyun.com/zh/milvus/user-guide/get-started-with-milvus-knowledge-base
/ END /
点击“阅读原文”体验更多关于大数据&AI产品解决方案