海外图谱增强大模型公司Writer推出下一代企业级知识平台：可解释AI、内置GraphRAG技术等重大升级

文章摘要

海外图谱增强大模型公司Writer宣布对其聊天应用进行重大升级，新增支持1000万词汇输入的内置RAG技术、可解释AI功能、专用模式等特性，旨在帮助企业构建更准确、透明且易用的生产级AI应用。

引言：企业生成式AI应用的挑战与机遇

在数字化转型的浪潮中，生成式AI正在重塑企业的工作方式。然而，许多企业在构建准确、可投入生产的AI应用时面临着巨大挑战。一项针对500名高管和AI专业人士的调查显示，大多数内部生成式AI项目表现平庸或更糟，仅有17%的项目被评为优秀。

面对这一现状，Writer通过其全栈平台——包括自研LLM、基于图的RAG技术、AI护栏和开发工具——帮助Vanguard、Intuit和Accenture等知名企业实现有影响力的投资回报。企业可以通过Writer快速构建和部署各种AI应用，包括文本生成应用、聊天应用等。

核心升级：重新定义企业级聊天应用

Writer最新发布的聊天应用升级包含了多项突破性功能，这些增强功能现已在AI Studio构建的聊天应用以及预构建聊天应用Ask Writer中提供。

1. 内置RAG技术：处理高达1000万词汇的文档分析

传统的LLM对企业产品和业务的理解有限。为了生成准确和有上下文的洞察和输出，AI应用必须能够访问最重要的文件和文档。Writer的最新升级允许用户上传高达1000万词汇的文件——相当于20,000页的内容——并基于这些文档进行问答、研究或生成输出。

这一突破性功能基于Writer独特的基于图的检索增强生成(RAG)技术实现，该技术同样为Writer知识图谱提供支持。RAG是一种用于问答的自然语言技术，当面对问题时，它会从大量上传数据中检索上下文相关的数据点，并将其传递给LLM以生成准确答案。

技术优势验证

在最近一份评估八种流行RAG方法的基准测试报告中，Writer RAG在RobustQA基准测试中以准确性排名第一。Commvault等领先企业已在使用Writer的RAG技术构建连接内部数据和知识的强大、准确的AI应用。

2. 企业级应用场景

通过将RAG直接构建到聊天应用中，Writer正在赋能企业处理强大的新用例。以下是Writer客户已投入生产的几个实际应用示例：

公司深度分析：审查财务文件和关键资源，快速获得关于潜在客户的洞察，如业务状况、行业趋势和竞争情报。

RFP回应：上传关键文件和资源，轻松完成新的RFP请求。

反洗钱/了解客户(AML/KYC)工作流程：分析客户的财务报表、风险评估表格和开户文件，完成定期客户审查报告。

处理长篇报告和论文：摄取白皮书、科学研究、技术文档等，进行总结、综合或分析。

3. RAG vs 大上下文窗口：准确性的技术选择

在处理长文档的生成式AI实现中，一种常见的方法是使用具有较大上下文窗口的LLM。这种方法将用户问题和整个文档作为一个请求发送到LLM的上下文窗口中，LLM进行推理并生成响应。然而，研究表明，仅使用较大上下文窗口的LLM在执行高级任务时准确性往往会下降。

Writer的技术实验验证了这一点——在知识检索任务方面，仅仅增加上下文窗口并不能达到企业客户期望的质量或准确性标准。

Writer的RAG将数据处理成知识图谱数据结构，映射数据点之间的语义关系。当面对问题时，它检索数据点，由LLM生成答案。虽然LLM并非为知识检索而构建，但RAG是专为此设计的。在处理大量文本语料库且准确性至关重要的问答任务中，RAG是最优技术。

技术实现细节

Writer采用了与知识图谱相同的创新基于图的RAG技术，直接构建到聊天应用中。经过特殊训练的LLM将上传文件分解为数据点，映射数据点之间的语义关系，并将节点和边存储在图结构中。当用户询问文件相关问题时，Writer从图结构中检索数据点并传递给LLM生成准确响应。

透明度革新：可解释AI功能

随着企业越来越依赖AI，他们对可解释性的需求日益增长。用户不愿盲目信任这些黑盒系统的输出，而是希望了解技术如何得出答案。同样，安全和合规团队需要更多的AI透明度来正确评估和管理潜在风险。

可解释AI对于与客户建立信任和信心至关重要。在最新更新中，Writer现在展示其思考过程，或者说是制定响应所采取的步骤。

问题分解与来源引用

当用户提出宽泛、模糊或复杂的问题时，Writer的聊天应用不仅提供总体答案，还将原始问题分解为子问题，并为每个问题提供答案，显示来自贡献来源的具体摘录。可解释AI不仅提供透明度，而且通过查看AI制定答案所采取的步骤，用户获得关于其提示效果的反馈循环，可以进一步完善问题以获得更好的答案。

用户体验升级：专用模式设计

流行的AI聊天应用支持广泛的请求，但迄今为止，它们依赖一个简单、开放式的界面来接收提示。从与客户的合作中，Writer发现为完成所有任务提供相同界面，而不提供任何指导或限制，并不会产生最佳结果。这给客户带来了不当负担，要求他们在提示指令中始终保持精确和具体。

通过此次升级，Writer引入了"模式"——专为特定类型任务设计的专用用户体验：

通用模式：提供来自Writer构建LLM的即时协助，用于构思、生成文本或获得一般知识的快速答案。

文档模式：帮助用户基于上传的几个特定文件进行深度研究或起草内容。

知识图谱模式：将聊天应用连接到关键公司数据源，用户可以基于大量信息语料库提问和生成内容。

Writer相信，这些模式将使用户更容易表达他们试图完成的任务，从而获得更高质量的输出和答案。

额外定制功能

此外，Writer还集成了多项额外功能，使聊天应用更加可定制和易用：

• 语音：基于团队语音配置文件，以特定语调和风格重写响应
• 自定义指令：提供针对格式化、风格、注意事项等的具体指令。无需每次提示时添加这些详细信息，自定义指令会自动应用
• 听写：使用语音命令发出请求

技术影响与市场意义

Writer的这次重大升级标志着企业级AI应用发展的重要里程碑。通过内置RAG、思考过程展示、专用模式和新的定制功能，Writer聊天应用现在可以帮助用户提取更有价值的洞察，进行更深入的研究，并更轻松地生成更高质量的输出。

对企业的价值

1. 准确性提升：基于图的RAG技术在知识检索任务中表现卓越，为企业提供更可靠的AI支持
2. 透明度增强：可解释AI功能帮助企业理解AI决策过程，满足合规和风险管理需求
3. 效率优化：专用模式减少了用户学习成本，提高了任务执行效率
4. 规模化能力：支持1000万词汇的文档处理能力满足大型企业的实际需求

对行业的启示

Writer的技术升级反映了企业级AI应用发展的几个重要趋势：

• 从通用型向专业化发展
• 从黑盒模型向可解释AI转变
• 从孤立应用向企业数据整合演进
• 从技术驱动向用户体验导向转型

未来展望与发展方向

Writer承诺将继续在其全栈生成式AI平台上进行创新，期待看到这些最新改进如何帮助客户提高生产力和成功率。

技术发展趋势

基于当前的技术升级，我们可以预见企业级AI应用的几个发展方向：

1. 多模态整合：未来可能集成图像、音频等多种数据类型的处理能力
2. 实时学习：支持基于用户反馈的实时模型优化
3. 跨语言支持：扩展对不同语言和文化背景的支持
4. 行业专业化：针对特定行业开发专业化的AI应用模块

市场竞争格局

在企业级AI应用市场中，Writer的这次升级展现了其在技术创新和用户体验方面的竞争优势。与传统的通用型AI助手相比，Writer更专注于企业级应用的特定需求，这种差异化策略可能会在激烈的市场竞争中占据有利地位。

结论

Writer的最新聊天应用升级代表了企业级AI应用发展的重要进步。通过整合先进的RAG技术、可解释AI功能和专用模式设计，Writer不仅解决了企业在AI应用中面临的技术挑战，更重要的是提供了一个可信、透明、高效的AI工作平台。

对于专业用户和投资者而言，Writer的技术升级展现了几个关键价值：技术创新能力、市场需求理解、产品execution能力。这些因素的结合使Writer在竞争激烈的企业级AI市场中具备了强大的竞争优势。

随着企业数字化转型的深入和AI技术的不断成熟，像Writer这样专注于企业级应用、注重技术实用性和用户体验的平台将在市场中占据越来越重要的地位。

本文转载自​​​​​​​​​知识图谱科技​​​​​​​​​，作者：Wolfgang