知识图谱： 知识图谱是一种揭示实体之间关系的语义网络，能够对现实世界的事物及其相互关系进行形式化描述。它于 2012 年 5 月 17 日由 Google 正式提出，初衷是提高搜索引擎的能力，增强用户的搜索质量和体验，将 Web 从网页链接转向概念链接，支持用户按主题检索，实现语义检索。
关键技术包括：
知识抽取： 实体抽取：通过命名实体识别从数据源中自动识别命名实体。 关系抽取：从数据源中提取实体之间的关联关系，形成网状知识结构。 属性抽取：从数据源中采集特定实体的属性信息。 知识表示：包括属性图、三元组等。 知识融合： 实体对齐：消除异构数据中的实体冲突、指向不明等不一致性问题。 知识加工：对知识统一管理，形成大规模的知识体系。 本体构建：以形式化方式明确定义概念之间的联系。 质量评估：计算知识的置信度，提高知识质量。 知识更新：不断迭代更新，扩展现有知识，增加新知识。 知识推理：在已有的知识库基础上挖掘隐含的知识。在 AI Agent 系列中，外置知识包括知识图谱。外置知识由外部数据库提供，能够动态更新和调整。外置知识的数据库和图谱构成了智能体的知识库，包括向量数据库（优化了向量检索操作，常用于处理和索引非结构化数据，如图像和文本）、关系型数据库（通过表格形式存储结构化数据，支持复杂查询，适用于事务性数据存储）、知识图谱（以图的形式组织数据，强调实体之间的关系，适合于复杂的语义分析和知识推理）。在实际应用中，外置知识的集成和管理常常采用 RAG 架构，这是一种结合了检索和生成的模型，通过检索外部知识源来增强模型的生成能力，允许智能体在生成响应或执行任务时，不仅依赖内置知识，还能实时检索和整合最新的外部信息。
