摘要
企业IT支持知识图谱捕捉了案例、用户、设备、症状、分类类别、根本原因和历史解决方案之间的丰富关系。然而，在Gremlin中查询这些图谱需要了解图结构、遍历语义、边的方向性以及属性图特定的约束，这使得非专业操作员难以使用。
我们介绍了SEGRA，一个用于企业文本到Gremlin问答的经验引导代理。SEGRA集成了意图路由、基于架构和分类的查询生成、多轮分解、执行感知验证以及一个基于课程的技能库，重用经过验证的查询模式。在企业IT支持基准测试中，SEGRA的平均评审得分比仅使用推理链的基线高出 $7.0\times$。此外，其技能库进一步减少了 $20\%$ 的LLM调用和 $18\%$ 的成本，同时保持了答案质量。这些结果表明，基于架构的代理设计和可重用的执行经验提高了企业图形问答的准确性和效率。
博主点评： SEGRA的设计理念突破了传统图数据库查询的局限，通过智能化的经验引导和技能复用，显著提升了问答的效率和准确性。这一方法为企业级应用提供了新的思路，特别是在复杂数据环境中，简化了非专业用户的操作流程。其在成本控制上的表现也为后续研究提供了重要借鉴。