描述
Lettria构建了其所称的图上下文层：一种将组织的结构化和非结构化数据转化为支持本体的知识图谱的方法，使AI系统能够进行推理，而不仅仅依赖于基于向量的检索。该公司的论点是，向量搜索适用于简单查找，但在多跳推理、可验证答案和连接分散的结构化与非结构化来源时会失效，而图更适合处理这些情况。
阅读更多
Lettria提供了两个进入该层的入口。知识工作室是一个为受监管行业（包括金融、医疗、法律和工程）构建的图形原生文档智能平台，在这些行业中，可追溯性和审计性与准确性同样重要。Perseus则面向开发者和技术团队，让他们为自己的领域数据生成和版本化本体和知识图谱，同时保持业务专家的参与，从而使生产级图谱可以在几天内而非几个月内构建。
该平台围绕三个核心能力构建。本体构建自动从组织的领域数据中生成本体，而不需要手动建模，并内置版本控制。文本到图转换将文档、表格和SAP导出等非结构化材料转化为结构化的、可查询的知识图谱；Lettria表示，这一步骤的准确性比通用LLM高出30%以上，速度快达400倍，并涵盖本地表格、布局和多模态内容。图检索（Graph Retrieval）或GraphRAG则通过跟踪图中的关系来回答问题，而不是通过关键词或单块匹配，每个答案都可以追溯到其源文档，该公司将其框架为"设计上零幻觉"。
Lettria发布了基准比较，显示其基于图的方法在多跳推理、数值推理和时间推理方面优于普通的向量检索代理，在其自身测试中，整体准确率为81.7%，而向量代理为57.5%。该公司还引用了生产案例研究：Alfa Laval使用它将技术手册和规范统一为一个工程知识图谱，报告提取准确率提高了30%；Wisecube将108GB的生物医学文本结构化为一个跨越500多个类别的知识图谱；Leroy Merlin将零售产品目录统一为超过10,000个产品类别；AP-HP使用它来结构化分散的生物医学研究，报告研究周转速度提高了60%。
Lettria专为需要基于可追溯来源的AI答案的受监管或知识密集型组织（如医疗、金融、法律和工程团队）构建，同时也为构建这些答案背后图形基础设施的开发者和数据团队提供支持。
- 类别AI 知识管理
- 部署云端
- 平台网页版
Lettria的核心功能
自动生成领域本体的本体构建，而不是手动建模
将文档、表格和SAP导出转换为结构化知识图谱的文本到图转换
基于GraphRAG的检索，确保每个答案的完整来源可追溯性
为受监管行业提供文档智能的知识工作室
用于生成和版本化知识图谱的Perseus开发者工具
在金融、医疗、法律和工程数据等特定行业的应用
发布基于图的检索与基于向量的检索准确性的基准比较
在一个图中支持结构化和非结构化的多模态企业数据
如何使用 Lettria？
选择知识工作室进行文档智能，或选择Perseus进行开发者构建的图代理
连接您的企业文档、表格或数据导出（如SAP数据）
让Lettria从您的领域数据中自动生成本体，业务专家进行审核
运行文本到图转换，将您的非结构化和结构化内容转换为知识图谱
通过GraphRAG查询图以获取具有完整来源可追溯性的答案
随着新文档和数据源的添加，随着时间推移版本化和扩展图
Lettria的使用案例
- 受监管的文档智能
- 企业知识图谱
- 企业AI的GraphRAG
