一家办公设备商的客服，收到一条咨询：
"笔记本买了18个月，电池充不进电。整机还在保，电池能免费换吗？我在杭州，能上门吗？"
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。
先导入产品手册、保修政策和服务指引
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。
本体定义对象与关系，图谱呈现具体保修条款
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。
| 要定义的内容 | 本例的表达 |
|---|---|
| 对象类型 | 产品、部件、保修条款、服务、地区 |
| 属性 | 保修月数、起算依据、预约要求 |
| 关系 | 产品→包含→部件；产品或部件→适用→条款；服务→覆盖→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。
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。
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。
用 Wiki 把条款和办理要求整理成团队指南
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：
若设备中的特定部件拥有单独的保修期限，则优先按照对应部件的条款进行核查。
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。
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。
让图谱和 Wiki 一起回答这条售后咨询
图谱和 Wiki 构建完成并核对内容后，进入对话体验 ，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。
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。
把企业文档，变成知识图谱和团队 Wiki
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。