COREMONIT · ENTERPRISE AI KNOWLEDGE SYSTEM
RAG WIKI LLM
连接企业所有知识，
在需要时找到准确答案。
这是一款企业知识 RAG 解决方案，将分散的内部文档连接为统一的 AI 知识体系，提供检索、分析、摘要、比较、推理与标准化回答。
LOCAL LLMKNOWLEDGE HUBPDFWORDHWPREPORTDOC数据丰富，可利用的知识却不足。
企业竞争力并非始于文档数量，而在于需要时能够多快找到准确依据。
分散的资料
文档分散在个人 PC、NAS、共享文件夹、协同办公平台与电子邮件中。
检索的局限
必须知道准确文件名或关键词，才能找到所需内容。
知识断层
负责人调岗和新员工加入时，经验与诀窍难以传承。
RAG：检索增强生成
AI 在生成回答前，先检索企业内部文档，再根据已核实的依据生成回答。
问题自然语言输入02
检索查找相关文档03
分析理解上下文与意图04
推理资料比较与整理05
回答基于依据的生成- 以训练数据为中心
- 难以确认企业最新及内部信息
- 依据不足时可能出现幻觉
- 用户重新核查来源
- 以企业内部批准资料为中心
- 纳入最新手册、规定与项目
- 根据检索依据作答
- 同时提供来源与原文位置
RAG WIKI LLM 工作架构
不只是存储文档，而是构建同时提升检索准确度与生成质量的知识结构。
DATA SOURCE
PDF · Word · Excel · PPT · Wiki · Manual · Report
DOCUMENT
Parsing · Cleaning · Metadata · Classification
KNOWLEDGE
Chunking · Embedding · Indexing
STORAGE
Vector DB · Metadata DB · Document Storage
RAG ENGINE
Query · Hybrid Search · Re-ranking · Context
APPLICATION
AI Chat · Wiki · Report · Dashboard · API
将 RAG 检索与 CHATBOT 融为一款产品
CoreMonit RAG WIKI LLM 同时提供以企业文档为依据进行查找的 RAG 检索功能，以及用自然语言提问并获取所找到知识的回答的 CHATBOT 功能。
在一个界面查找文档、分类与原文位置，快速确认与问题相关的批准资料。
根据检索到的内部知识回答问题，并关联类似问题与依据文档。
核心运行技术
从准确识别文档特征的处理，到语义检索、重排序和推理，设计整个 RAG 的质量体系。
文档输入
安全收集部门的 Word、PDF、Wiki、手册，以及质量与项目资料。
Parsing
整理正文、标题、表格、作者、日期、文档编号与元数据。
Chunking
按保留前后文的语义单元切分文档，提高检索准确度。
Embedding
将信息转化为向量，查找表达不同但语义相近的文档。
Vector Search
超越关键词，查找与问题语义相近的依据文档。
30B 级 LLM
比较分析多份资料，根据提问意图进行摘要、分类与推理。
Re-ranking
按照与问题的相关性重新排序检索候选，减少不必要的结果。
Standard Parsing
将回答整理为表格、检查清单、摘要和报告等业务格式。
提升检索准确度的 RAG Pipeline
仅连接 Vector DB 并不足够。我们根据企业数据反复验证并优化整个检索流程。
不止于找到信息，更提供可直接使用的结果
将检索结果整理为表格、摘要、检查清单和报告，以便直接应用于业务。
表格
比较项目、现象、紧急程度与负责部门。
核心摘要
整理多份文档的核心问题与结论。
检查清单
逐步提供检查顺序与处置项目。
报告
将现象、原因、处置措施与防复发措施生成报告。
从文档搜索走向知识搜索
无需寻找文件，只需提问，即可同时获得相关文档与依据位置。
安全利用企业内部文档的 Private AI
充分考虑企业安全策略与网络环境，尽量减少数据外泄。
公司与人事规定 / 合同 / 运维指南
技术文档 / 项目 / 设计
作业标准书 / 设备与工艺手册
检查标准 / 质量问题 / 手册
产品资料 / 提案书 / 客户服务
您可以在工作现场这样提问。
用一个自然语言问题，同时找到相关文档、历史案例与判断所需依据。
“Error 105 如何处理？”
“该部件的更换周期是多久？”
“A 产品与 B 产品的功能有什么区别？”
“以往 PLC 项目有哪些故障排查案例？”
“查找类似故障反复发生的记录。”
“请介绍项目文档体系。”
“如何申请出差？”
“质量相关规定有哪些？”
改变企业工作方式的预期效果
将停留在文档中的信息转化为知识资产，减少搜索与综合整理时间。
每家企业的数据各不相同，RAG 也应因企而异。
分析文档特征、检索目的与安全策略，定制设计 Knowledge Architecture 和检索 Pipeline。
AI 查找并整理信息。
选择与判断由人来做。