qKnow 知识平台商业版 v2.1.1 正式发布:图谱问答与语义检索能力全面升级

qKnow 商业版 v2.1.1 并不是一次简单的功能叠加,而是围绕"是否好用、是否稳定、是否可持续使用"进行的一次系统升级。从图谱问答能力的引入,到抽取任务状态与日志完善,再到搜索体验和界面细节优化,新版本在多个关键路径上提升了实际使用体验。


一、知识图谱与智能问答增强

在图谱探索方面,v2.1.1 对大规模实体加载性能进行了优化,解决了此前可能出现的卡顿问题。同时,在实体详情页新增了 实体 ID 展示 ,便于调试和外部引用。当用户点击事件类节点时,系统将自动展开该事件内所有关联实体的 关系链视图,帮助用户更直观地理解上下文结构。

更重要的是,本次版本引入了 图谱问答(Graph RAG)能力

  • 用户可在问答时 选择指定的知识图谱作为回答依据
  • 支持 同时调用知识图谱与知识库 进行联合问答,进一步提升答案的准确性与权威性。

二、知识抽取与任务管理优化

为提升抽取任务的透明度与可维护性,v2.1.1 新增了完整的任务状态与日志体系:

  • 增加 "队列中"状态,真实反映任务排队情况;
  • 默认采用 单任务并发执行策略,保障系统资源稳定(后续将根据性能动态扩展);
  • 新增 执行日志表,详细记录任务名称、处理文件、分段进度、执行占比等信息,方便用户自主排查失败原因。

在结构化抽取方面,系统完成代码逻辑重构,并扩展支持 Oracle、达梦、PostgreSQL、人大金仓 等主流数据库。同时,针对 多对多表结构 的概念与关系映射配置逻辑也得到优化,使数据到知识的转化更加准确高效。


三、检索与交互体验升级

搜索体验迎来多项改进:

  • 搜索框聚焦时默认展示 最近若干条搜索记录
  • 语义检索结果新增 智能问答卡片,融合生成式回答;
  • 当列表为空时,语义检索项高度自动缩减至 1/3,避免视觉空洞;
  • 实体关系检索列表取消固定高度,实现内容自适应。

UI/UX 方面也进行了统一规范:

  • 登录页全面焕新,Banner 强化视觉焦点,Slogan 更新为 "qKnow 知识平台",验证码与系统文案样式同步优化;
  • 首页对接真实数据,修复公告显示 Bug,并新增 新用户引导流程
  • 天气组件、Slogan 文案及管理员角色显示等问题均已修复。


四、系统模块与性能优化

在功能模块层面:

  • 智链工坊 改用卡片式布局,支持 Dify 等多应用集成,并合并双菜单为单页跳转模式;
  • 召回测试 侧边栏弹窗替换为系统标准弹框;
  • 知识库与图谱设置页面 整体优化,提升配置效率。

性能方面取得显著进展:

  • 非结构化抽取速度明显加快,减少用户等待时间;
  • 语义检索响应延迟大幅降低,高并发场景下稳定性增强;
  • 修复了知识库向量存储中 文件名未更新 的交互缺陷;
  • 解决了智能写作页面 切换标签后内容丢失 的问题,现已支持状态保持;
  • 修复生成内容 标题层级格式错乱 的显示异常。

配置与部署说明

  • 数据源适配:结构化抽取现已支持国产数据库(如达梦、人大金仓等),配置时请选择对应驱动类型。
  • 并发策略 :当前抽取任务默认为 单并发执行。如需调整并发数,请联系运维团队,根据服务器负载评估后开启。

qKnow v2.1.1 在保持系统稳定性的同时,进一步强化了知识图谱与智能问答的核心能力,并通过细节打磨提升了整体使用体验。我们期待这一版本能更好地支撑企业在知识治理、智能服务与决策支持等方面的深入应用。

相关推荐
养肥胖虎13 小时前
RAG学习笔记:让大模型先查资料再回答问题
ai·知识库·rag
卷Java18 小时前
2026年4月AI军备竞赛全景:DeepSeek V4 vs GPT-5.5 vs Gemini vs Claude
人工智能·gpt·大模型
xixixi7777720 小时前
AI的“账号”与“钱包”:AWS与Circle同日出手,AI正从工具进化
人工智能·安全·ai·大模型·云计算·aws
进击切图仔21 小时前
从零手写 RAG
python·huggingface·rag
2401_8530878821 小时前
2026 金融核心系统知识管理选型:稳敏双态下的合规与协同落地实践
金融·知识图谱
扬帆破浪1 天前
sidecar崩溃后前端怎么续命 重启策略与状态保留
前端·人工智能·架构·开源·知识图谱
小李子呢02111 天前
大模型是什么?
大模型·agent
无敌昊哥战神1 天前
大模型(LLM)推理优化技术全景总结
python·算法·大模型
Fleshy数模1 天前
基于 LangChain 实现 PDF 文档检索:从加载到向量检索全流程
人工智能·数据挖掘·langchain·大模型
Li_yizYa1 天前
【大模型篇】谈谈对于Function Calling、MCP、Skill的理解
ai·大模型