qKnow 知识平台商业版v2.6.2 更新说明:重构图谱知识融合逻辑,上线 AI 工作流配置中心

1. 版本概述

本次 v2.6.2 版本更新,是在 v2.6.1 实现大模型自主深度集成的基础上进行的迭代。本次更新的核心目标聚焦于三点:核心业务逻辑的严谨性用户体验的精细化 以及系统配置的低代码化

主要工作包括:重构知识融合的底层逻辑以解决复杂场景下的数据一致性问题;全面适配主流办公显示设备(从笔记本到4K大屏);推出全新的内置 AI 应用工作流配置中心,支持企业灵活调整模型行为。


2. 主要更新内容详解

① 知识融合逻辑深度重构

针对上一版本中知识融合逻辑在复杂场景下表现不严谨的问题,本次更新对底层算法与数据结构进行了全面优化:

  • 实体展示修复
    • 问题:此前存在实体融合后,记录中未正确展示最终实体的情况。
    • 解决:现在无论实体经历多少次融合,页面均能准确呈现当前的最新实体状态,确保数据展示的实时性。
  • 复杂场景支持
    • 撤回机制优化:修复了"融合后撤回"的逻辑漏洞。针对已融合实体再次融合产生的新实体,系统现在能正确识别其血缘关系。当用户执行撤回操作时,系统能够精准还原至融合前的状态,避免了因实体属性变更导致的撤回失败。
    • 边界情况处理:增强了对多轮次、多对多融合等复杂拓扑结构的处理能力,确保知识治理过程中的数据一致性。

② 全场景多屏适配

qKnow 商业版现已实现对企业主流办公显示环境的无死角适配,确保在不同设备上获得一致的交互体验:

  • 覆盖设备类型:完美支持笔记本电脑、台式机独立显示器及苹果电脑显示器。
  • 尺寸全覆盖 :适配范围从 13英寸32英寸
    • 涵盖主流笔记本尺寸:13英寸、14英寸、15.6英寸。
    • 涵盖台式机尺寸:21.5英寸、23.8英寸、27英寸、32英寸。
  • 分辨率自适应 :自动适配多种分辨率标准,包括:
    • 基础分辨率:1280×800
    • 主流分辨率:1920×1080 (FHD)
    • 高清分辨率:2560×1440 (2K)
    • 超清分辨率:3840×2160 (4K)

③ 非结构化抽取能力升级

  • 新增属性抽取功能 :在非结构化数据抽取过程中,除了支持实体与关系的提取外,现在直接支持抽取实体的详细属性信息
    • 价值:这使得从文档到知识图谱的转化更加丰满,显著减少了人工补全属性的工作量。

④ 内置 AI 应用工作流配置中心

打造统一的 AI 应用管理枢纽,实现"零代码"调整模型行为:

  • 统一注册与调用:将系统内所有 AI 应用(如智能问答、智能写作、三元组抽取等)纳入统一管理框架,建立标准化的接入与调用机制。
  • 独立执行节点配置 :为每个 AI 应用设立独立的执行节点,支持通过管理界面直接配置以下内容:
    • 模型选择:灵活切换底层接入的大语言模型。
    • 参数调优:针对不同模型特性,独立配置 Temperature、Top_P 等关键参数。
    • 角色与提示词工程:自定义系统角色(System Prompt)及专属提示词,无需修改代码即可优化模型输出效果。
  • 动态生效:所有配置调整后实时生效,极大提升了业务响应速度与实验效率。

⑤ 商业版帮助中心上线

  • 文档直达:新增商业版专属帮助中心入口,一键跳转至最新的商业版产品文档、操作指南及最佳实践案例,旨在降低用户的学习成本。

⑥ 页面交互与视觉优化

对多个核心模块的 UI 细节进行了精细化打磨,提升视觉舒适度与操作便捷性:

  1. 图谱探索:优化实体详情页面,调整标题字体与字号,使层级更清晰。
  2. 知识库管理:重新布局"知识文件"页面的操作按钮,解决位置不合理问题,使其更符合人体工学操作习惯。
  3. 知识抽取:调整抽取结果右侧属性信息的标题样式,提升可读性。
  4. 知识融合:优化详情页左侧属性信息的字体字号,减少视觉疲劳。
  5. 知识推理:同步优化推理详情页左侧属性信息的展示效果。

3. Bug 修复清单

本次更新修复了多个影响用户体验与系统稳定性的具体问题:

  1. 首页统计:修复知识库文件统计数据展示不准确的问题。
  2. 用户管理:修复新增用户时可能出现的异常报错。
  3. 图谱显示:解决知识图谱在特定数据量下显示不全的问题。
  4. 知识问答:修复部分场景下问答接口无返回结果的故障。
  5. 数据抽取:修复非结构化抽取过程中的异常中断问题。
  6. 权限控制:修复图谱详情页提示"操作无权限"的误报问题。
  7. 智链工坊:修复智链工坊详情页加载或显示错误的 Bug。

4. 升级建议

鉴于本次更新涉及到底层知识融合逻辑的重构以及多项稳定性修复,我们建议所有商业版用户尽快安排升级。

  • 对于知识治理团队:新的融合撤回机制和属性抽取功能将显著提升数据处理的准确性和效率。
  • 对于AI应用运营团队:工作流配置中心将使模型调优不再依赖开发排期,可即时响应业务需求。
  • 对于IT运维团队:全场景多屏适配将解决不同办公设备上的显示兼容性问题。

如有任何技术疑问或需要协助升级,请联系 qKnow 技术支持团队或您的客户成功经理。

🎉 感谢使用 qKnow 知识平台!

我们将继续致力于构建更稳定、更易用、更智能的企业级知识中枢。如有任何建议,欢迎反馈。

相关推荐
aqi002 天前
15天学会AI应用开发(八)使用向量数据库实现RAG功能
人工智能·python·大模型·ai编程·ai应用
aqi003 天前
15天学会AI应用开发(七)有了大模型为什么还要引入RAG
人工智能·python·大模型·ai编程·ai应用
OA之道4 天前
OA 实施教程|第10集:Windows/Linux/ 信创全平台 OA 安装部署 + 完整运维
低代码开发·工作流·oa·oa办公系统·oa实施
vivo互联网技术4 天前
CVPR 2026 | 全新强化学习框架 BeautyGRPO:重塑真实人像
算法·大模型·cvpr·影像
初圣魔门首席弟子5 天前
DeepSeek 推理思考(显式思维链)的行业革命意义:为什么它是大模型发展的里程碑
知识库
renhongxia15 天前
世界模型作为AGI落地底层底座的作用
人工智能·深度学习·生成对抗网络·自然语言处理·知识图谱·agi
AndrewHZ5 天前
【LLM技术全景】大模型能力探秘:In-Context Learning与思维链(CoT)
人工智能·语言模型·大模型·llm·cot·思维链·icl
Vergelight5 天前
实战拆解|三类RAG架构差异:朴素、进阶、多轮RAG落地选型指南
架构·大模型·aigc·agent·ai产品经理·转行·ai后台设计
秋名山码民5 天前
Graph RAG 深度解析:从向量检索到知识推理的技术演进
大数据·人工智能·rag
初圣魔门首席弟子6 天前
Node.js 详细介绍(知识库版)
windows·qt·node.js·知识库