制药文档问答采用知识图谱与混合检索
诺和诺德制造技术团队基于 Amazon Bedrock AgentCore 构建流程知识助手。系统以 Neptune 知识图谱结合 OpenSearch Serverless 混合检索,从数百万份受控制造文档中生成带引用的回答。
AI 深度解读
诺和诺德(Novo Nordisk)做了一套制造流程 AI 助手,解决的不是「能不能搜到文档」,而是「这份要求是否适用于这个工厂、这代产品、这台设备,而且已经生效」。团队称,部分原本需要数小时甚至数天的工作,如今可以在几分钟内完成。
案例最值得看的地方,是他们怎样约束回答:先澄清适用范围,再结合知识图谱和混合搜索查资料,最后给出带引用的答案。模型负责组织回答,文档状态、版本和业务关系共同决定它能回答什么。
为什么找到相关文档,还不够回答问题
诺和诺德的制造文档包括标准操作规程、作业指导书、表单和培训材料。法规变化、设备修改、流程优化、审计发现,都可能触发更新。文档除了内容,还有审核、生效、废止等状态。
因此,回答一个流程问题至少要同时满足四个条件:文档找对了,版本和生命周期状态正确,适用于指定工厂、产品代际和设备,而且没有漏掉关联要求。
关键词搜索通常只负责返回文档列表。普通向量 RAG(检索增强生成)能理解自然语言,却容易在精确编号、多跳关系和内容缺失上失手。例如,语义相近的设备说明,未必适用于用户正在操作的设备。
内容相关,只是候选答案的入场条件,不能直接当作适用依据。
团队为此建立了两层分类体系。上层是官方流程树,大约三级,每份接入的受控文档挂到最细的适用流程节点;下层是领域实体,包括工厂、产品代际、设备、流程步骤等,并通过统一的关系类型连接文档。
这相当于同时给资料标注「放在哪个业务目录」和「具体适用于谁」。前者帮助缩小流程范围,后者帮助排除看起来相关、实际不能用的内容。
这些实体和关系由领域专家定义,新增实体有人工审核流程,而非让模型无限制地自行发现。原文认为,预定义领域结构比开放式抽取更适合受监管制造场景。不过,作者没有给出两种方式的对照实验;这里首先是一项符合其审计需求的设计选择。
两套存储怎样配合,才不只是多建一个数据库
这套 GraphRAG 把内容检索和关系查询分开处理。
Amazon OpenSearch Serverless 保存可搜索的正文片段,负责召回。它把 Amazon Titan Text Embeddings 的稠密向量搜索与 BM25 词法匹配结合,通过倒数排名融合(reciprocal rank fusion)合并结果。向量匹配语义,BM25 则补上文档编号、设备代码和多语言术语等精确词项。
Amazon Neptune 保存知识图谱,负责结构:文档属于哪级流程、引用了哪些资料、关联什么设备,以及变更可能影响哪些对象。
连接两者的是共享文档编号。OpenSearch 命中的片段带有文档编号,可以直接定位图中的文档节点,不需要再靠模型猜测它们是不是同一份资料。常规问题先检索候选,再沿图扩展;关系优先的问题也可以反向进行。
候选融合后,Amazon Bedrock Rerank 使用交叉编码器,把问题和每个候选片段一起读取并重新排序。它解决的是「已经找来一批资料,哪些更值得交给模型」,不能代替前面的范围判断。
执行层采用 Amazon Bedrock AgentCore,利用托管运行时、会话隔离、工具编排、AWS Identity and Access Management(IAM)集成和可观测性。Agent 使用 Strands Agents SDK 构建,由 Amazon Bedrock 上的 Anthropic Claude 模型驱动;原文没有披露具体模型版本。
入库流水线使用 Amazon Bedrock Data Automation 做多模态解析,由 AWS Step Functions 和 AWS Lambda 编排,基础设施通过 AWS Cloud Development Kit(AWS CDK)定义。
这里最值得程序员借鉴的,并非服务清单,而是稳定的连接标识:内容片段、图节点和引用必须能对齐,否则两套存储很难形成可靠的检索链路。
先追问范围,为什么比立即回答更有用
「制粒机需要采哪些样品?」看起来已经很具体,实际可能因工厂、产品代际、设备和批量不同而有多个正确答案。
他们的 guided mode 会在检索前澄清这些条件。工厂、产品代际这类常见属性直接询问;设备、批量等更深的差异,则在查询时从图中推导。
具体做法是:把用户术语匹配到真实图节点,结合已知条件过滤;如果还剩多个候选,就找出能区分它们的属性,并且只提供图中实际存在的取值。这样既能减少模型编造选项,也能避免每次都让用户填写一长串固定字段。
专家新增区分属性后,系统可以自动把它用于追问,无需修改提示词或代码。这项能力依赖既有分类结构和范围解析逻辑,不能理解为新增任意业务概念都能自动生效。
另一处关键设计,是明确区分「知道文档存在」与「读过文档正文」。系统用确定性标志记录正文是否已索引,避免把没搜到结果误判成没有相关规定。
图谱覆盖文档关系,不等于正文已经全部可检索。
原文提到,底层资料库约有 400 万份文档,但正文按接入领域逐步索引。它没有交代当前完整索引了多少正文,也没有给出全库检索性能数据。
回答默认使用已批准、已生效且最新适用的版本,除非用户明确询问草稿或历史修订。资料缺失或含糊时,助手需要说明限制,必要时提示领域专家、质量或法规人员审查。
自动评估也围绕这些约束展开:来源是否相关、文档状态是否有效、版本是否适用、范围是否合规、引用是否准确,以及有没有改变 must、should、may 的要求强度。把「可以」写成「必须」,即使引用了正确文档,也仍然是错误答案。
我的判断
这个案例最有价值的部分,是把正确性拆成了可检查的条件。版本、生效状态、适用范围、引用关系和内容可用性,都有明确表达,模型因此不必靠语言推断所有业务事实。
但 GraphRAG 的收益有前提:领域专家愿意持续维护分类,元数据足够可靠,文档编号能稳定连接各个系统。诺和诺德本来就有正式流程框架和受控文档,这给方案提供了基础。一般团队如果连文档负责人和有效版本都没整理好,先上图数据库,只会增加一层需要治理的数据。
与「向量检索加元数据过滤」相比,这套方案更适合回答引用链、变更影响和多跳关系问题。如果需求只是查一套范围明确、版本单一的技术文档,普通 RAG 加过滤规则可能更容易维护。原文没有提供两者在准确率、延迟和成本上的对照数据,无法据此判断引入图谱的收益有多大。
「数小时或数天缩短到几分钟」也是团队报告的结果,没有样本量、任务分布和失败率支撑,更适合视作案例反馈。文档生成、修订与影响分析则被列为后续扩展方向,不应当算成已经验证的交付能力。
能拿来做什么
- 开发内部文档助手时,先补齐文档编号、版本、生效状态、适用范围和正文索引状态,再评估是否需要图数据库。这些字段直接影响答案能否使用。
- 在前端交互中,把关键范围确认放到检索前;存在多个候选时,展示真实数据中的区分选项,并保留已经确认的条件,减少重复追问。
- 用 Node 编排检索流程时,先用混合搜索找候选,再按问题需要扩展关系,最后重排;同时保持片段与原始文档的稳定映射,让引用可以核查。
- 为日常 AI 文档问答建立评估集,覆盖过期版本、范围不符、正文未索引和要求强度改变等情况。不能只检查回答是否流畅、有没有附引用。