知识资产化
- 多源汇聚：飞书知识库/云盘、Notion、语雀、RSS 定时同步，Chrome 插件采集，API/CLI 上传
- 智能解析：PDF、Word、图片、Excel 等十余种格式（含 EPUB、MHTML）
- 知识结构化：Agent 自治生成 Wiki 页面与知识图谱
- 全生命周期：分块可视化编辑、版本快照、diff 对比、一键回滚与自动重建索引
WHITEPAPER · v0.7.2 · 2026-10
企业知识管理的
智能化升级层
企业的产品资料、制度流程、技术文档常散落在网盘、文档与 IM 中，查找靠记忆、复用靠人工。 Ratiomax 把海量非结构化文档转化为可检索、可推理、可复用的结构化知识资产。
「让知识从静态文档，变为可被 AI 调用、可被业务流程集成的动态智能资产。」
01行业客户先遇到的，往往不是「AI 不够强」
三家企业的起点，都不是模型能力问题，而是知识散落、无法复用。
- 资料散落：产品资料、制度流程、技术文档分散在网盘、文档与 IM 中，查找靠记忆、复用靠人工。
- 图纸知识难沉淀：矿山耐磨件的尺寸公差、材料牌号、热处理与检验标准全部沉淀在图纸里，换型生产、质量检验、客户问询时反复人工查图。
- 排程依赖个人经验：改性工程塑料多品种、小批量、高频换料，手工编制周排产计划需 4–8 小时、异常重排需 1–3 天。
- 规范与外部信息割裂：野外出队前，专业规范、历史资料与气象、道路等信息分散，方案靠人工反复查阅汇总，且旧方案易过期、版本混乱。
02平台把这件事拆成三个价值维度
服务智能化
- 智能体引擎：ReAct 循环驱动多步任务，支持并行工具调用与思考模式配置
- 混合检索：语义向量 + 关键词，结合 ReRank 与跨库检索
- 数据分析 Agent：面向数据查询与分析场景
- 全链路可观测：Langfuse 覆盖从提问入口到知识检索的完整链路
集成标准化
- MCP 标准接口：29 个标准工具，stdio / SSE / HTTP 三种传输，OAuth2 授权与人机审批
- 主流 IM：企业微信、飞书、Slack、Telegram、钉钉、Mattermost、QQBot、云之家
- 模型厂商：OpenAI、DeepSeek、Qwen、智谱、混元、Gemini、MiniMax、NVIDIA、Ollama 等二十余家
- API 文件直链：第三方应用无需二次鉴权即可加载文件
03支撑这些价值的能力，落在一套可运维的引擎上
RAG 知识引擎
- 先检索企业知识、再由大模型组织回答，输出有据可依
- 双解析引擎：OpenDataLoader 处理复杂版面 PDF / 扫描件，PaddleOCR-VL 处理图片与扫描件，可按数据源配置
- 混合检索：语义 + 关键词两路召回后经重排模型二次排序；支持跨 7 种向量库后端扇出
- 回答自动标注引用来源，点击即可查看原文段落
智能体与 Wiki
- ReAct 循环：自主规划步骤、调用工具、观察结果、调整策略
- 同一轮可并行调用多个独立工具，减少推理轮次
- 技能沙盒执行、范围化运行，防止越权
- Wiki 模式：Agent 从原始文档自治生成相互链接的 Markdown 页面与知识图谱，配合页面快照、行级 diff、一键回滚
安全与合规
- 空间隔离 + 四级角色矩阵 RBAC，权限可细化到单个知识库
- 两层 API Key：细粒度 Key（能力级 + 按知识库）与平台级 Key
- OIDC 接入企业 SSO；每空间独立审计日志
- MCP 与数据源凭据使用 AES-256-GCM 加密存储
部署与交付
- Docker Compose 单机部署与 Kubernetes 生产级集群部署
- 四个核心服务独立部署、独立扩缩容，通过加密通道与消息队列解耦通信
- 分阶段 Worker 池、按模型并发治理、失败任务进入死信队列
- 集成 Langfuse，支持请求回放与问题定位
04三家企业的做法与预期目标
三处成效一律按「项目预期目标」表述，不作既成事实陈述。
广东中塑新材料 · 改性工程塑料
- 做法
- 在洪梅工厂 APS 计划排程 AI 智能化建设项目中，承担企业知识库与 APS 智能问数建设，以 RAG 为核心、与 NL2SQL 双引擎融合。
- 预期目标
- 计划编制时间由 4–8 小时/次压缩至 30 分钟以内；计划数据查询效率提升 80% 以上；牌号切换次数降低 30%–45%；工厂整体产出提升 10%。
重庆博悦机械 · 矿山破碎机械耐磨件
- 做法
- 搭建工程图纸知识库，20 份图纸及技术文档统一入库，多格式自动解析与智能分块；Wiki 模式自动生成结构化知识页面，图纸、零件、材料与工艺概念自动关联，形成 107 个知识节点的知识图谱。
- 预期目标
- 图纸与工艺信息检索由人工翻阅变为自然语言秒级问答；分散经验结构化沉淀，新人快速上手；质量证据与问题处理规范化。
天津地质调查局 · 野外作业安全
- 做法
- 建设「地调野外安全 AI 助手」，以任务数据为主线，通过 RAG 混合检索（元数据过滤 + 双路召回 + RRF 融合 + 重排）统一组织规范知识库、区域档案库、风险空间库与天气预警库；工作流按区域研判、天气预警、路线分析、营地核查、装备准备等七步编排，模板引擎生成图文方案，五层质控强制逐条附带来源出处。
- 预期目标
- 方案编制耗时由半天压缩至 30 分钟以内，效率提升 5–10 倍；法规引用准确率 95% 以上；2800 余个县级行政区按国标区划代码精准匹配；新人 1 周即可独立上手方案编制。
05与另外两类方案的差异在哪
企业级 AI 知识库方案可分为三类，Ratiomax 在三个维度上给出差异化定位。
差异化维度Ratiomax 的做法
私有化部署支持完整私有化部署，数据完全自主可控；Docker Compose 单机与 Kubernetes 集群两种形态
智能体能力ReAct（推理 + 行动）循环驱动多步任务，支持并行工具调用与思考模式配置
知识结构化Agent 自治生成 Wiki 页面与知识图谱，建立跨文档引用与知识网络
企业级 AI 知识库方案可分为三类；这里只呈现 Ratiomax 一侧的表述，不替另外两类方案下结论。
六项差异化优势
- 知识结构化：Agent 自治生成 Wiki 与知识图谱
- MCP 标准协议：29 个标准工具 + 三种传输 + OAuth2 + 人机审批
- 多向量库扇出：一次查询跨 7 种向量库后端
- 分块全生命周期：自适应分块、可视化编辑、版本 diff、回滚
- 全链路可观测：Langfuse + W3C 跨服务追踪
- 企业级安全纵深：空间 RBAC + 细粒度 API Key + AES-256-GCM + SSRF 防护 + OIDC SSO
06平台规模与开放程度
20+模型厂商
7向量库后端
29MCP 标准工具
约 360API 端点
约 50官方文档
11版本里程碑
- IM 渠道：企业微信、飞书、Slack、Telegram、钉钉、Mattermost、QQBot、云之家、微信 IM，统一通过会话渠道治理框架管理。
- MCP：官方 PyPI 包
ratiomax-mcp，29 个标准工具，覆盖知识库管理、文档检索、Wiki 操作、会话管理。 - 扩展入口：Chrome 插件、微信小程序、微信对话开放平台、网站嵌入 Widget、DeepSeek Harness 插件。
- 开发者工具：CLI v0.10（Agent 优先设计，默认 JSON 信封输出、类型化错误码、text/NDJSON 输出与干运行模式），四个服务均配置 PR CI 检查。
07尚待补充的信息
以下问题暂无公开表述，本页不做补写；如需对外使用，需要另行确认。
- 价格与授权模式：暂无报价、许可或计费方式。
- 实施周期与交付人力：未给出典型项目的上线周期、人员投入。
- SLA 与性能指标：未给出可用性承诺、并发/时延基准、单库容量上限。
- 合规认证：未提及等保、密评等第三方认证结论。
- 行业渗透率与市场份额：未提供。
- 案例成效的验收状态：三处数据均标注为「项目预期目标」，暂无上线后的实测结果。
想按自己的行业看一遍具体做法
告诉我们行业、知识来源形态（图纸 / 制度 / 工艺卡 / 报告）和部署要求，我们会给出可执行的落地路径。
案例成效为项目预期目标。