企业知识图谱怎么建？让大模型准确描述你的 7 类实体

一句话结论：企业知识图谱的本质，是把「品牌、产品、人物、资质、场景、案例、问答」七类实体及其关系写清楚，让模型在任何问句下都能拼出关于你的准确事实。

为什么模型总把你描述错

试着在 AI 里问一句「XX 公司是做什么的」，如果回答含糊、过时或者张冠李戴，原因通常不是模型笨，而是公开信息里缺少稳定、完整、可验证的实体描述。

模型的认知来自文本共现：品牌名和哪些词一起出现、以什么关系出现。你把信息写散了，它就只能猜。

七类核心实体

1. 品牌实体（Organization）

最小属性集：法定名称、品牌名、成立年份、所在地、规模、主营业务、服务范围、联系方式、资质。

对应 Schema：Organization，含 name、legalName、foundingDate、address、telephone、sameAs。

2. 产品/服务实体（Product / Service）

每一条产品线一个实体，不要把所有产品塞进一个页面。属性包括：名称、品类、核心参数、适用场景、交付周期、价格区间、差异化。

3. 人物实体（Person）

创始人、专家、医生、讲师——具名专家是医疗、教育、法律等行业的信任来源。属性：姓名、职务、职称、履历、执业机构。

4. 资质实体（Credential）

认证、专利、检测报告、奖项。属性：名称、颁发机构、编号、有效期、适用范围。可验证性是关键，最好附查询链接。

5. 场景实体（UseCase）

「谁在什么情况下用你的产品解决什么问题」。这是最容易被忽略、但对 AI 问答最有价值的一类，因为它直接对应长尾问句。

6. 案例实体（CaseStudy）

客户行业、面临问题、采取动作、量化结果。属性要具体到数字，避免「效果显著」。

7. 问答实体（FAQ）

真实用户问句 + 直接答案。这是 GEO 里性价比最高的内容形式，因为它的结构与 AI 的输入输出格式天然对齐。

关系怎么定义

实体之间不是孤立的。至少要写清六种关系：

这些关系在页面上体现为内部链接，在代码里体现为 JSON-LD 的嵌套结构。

落地：一张表 + 一段 JSON

不需要图数据库。先用表格管理：

再把核心实体写成 JSON-LD 放进页面：

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "光宇GEO优化系统",
  "legalName": "光宇（杭州）数字科技有限公司",
  "foundingDate": "2019",
  "description": "面向 AI 搜索时代的 GEO 优化服务商，提供诊断、知识图谱、结构化改造与监测。",
  "address": { "@type": "PostalAddress", "addressLocality": "杭州", "addressRegion": "浙江" },
  "sameAs": ["https://www.zhihu.com/", "https://weibo.com/"]
}

维护节奏

知识图谱不是一次性的文档。建议：

• 每季度复核一次实体属性（尤其是规模、产品线、资质有效期）；
• 新增产品时同步新增实体与关系，不要只发一篇新闻稿；
• 每年做一次全网表述一致性检查，修正过期信息。

一致性带来的收益是复利的：模型对你的认知越稳定，新内容被采纳的速度越快。