如果您对BTP感兴趣，BTP个人精选内容目录 | SAP Blogs 可能有更多你需要的内容
如文章所述，Agent系统需要一些辅助组件来解决使用痛点
这里介绍让Agent理解业务的辅助组件：知识图谱Knowledge Graph（简称KG）
想象一个场景：业务分析师想分析交货延期的具体原因，但看着数据库里成千上万张数据表陷入沉思；
而LLM虽然可以快速过滤这数千张表，但它并不理解业务。用户问”分析交货延期原因”，AI却不知道交货延期和供应商财务状况、物料重要性、合同条款有什么关系；面对企业平均3000+张数据表，AI只能做关键词匹配，无法快速找到业务对象对应的数据位置
知识图谱就是用于解决这两个问题的，让AI更理解业务，同时还能更快的找到数据所在地
Knowledge Graph是什么？
知识图谱是一种数据库，但它存储的内容是一个个不同的三元组，每个三元组由“主语–谓语–宾语”组成，比如以下的三个三元组：
SAP-运营在–全球不同地区，
SAP-总部在–沃尔多夫，
沃尔多夫–属于地区–卡尔斯鲁厄市
Knowledge Graph如何赋能LLM成为完整的Agent系统？
KG就像一个业务理解库，记录了对象的属性和不同对象间的关系，让LLM像业务专家一样理解企业知识，KG在接到搜索目标时，就可以轻松找到和目标相关的其他概念。比如说:
用户查询： “SAP在哪里？”
1.直接匹配
LLM会查询KG：“SAP的总部在哪里？”，
KG返回包含”SAP”的三元组：SAP-总部在-沃尔多夫
2.关联推理
但LLM希望更全面的回答用户，所以可能会自行启动关联推理：“沃尔多夫是哪个国家？“
沃尔多夫-属于地区-卡尔斯鲁厄市
卡尔斯鲁厄市-位于-德国
德国-属于-欧洲
3.扩展发现： 继续找到更多相关信息
SAP-运营在-全球不同地区
SAP-分公司在-中国
SAP-分公司在-美国
中国-总部设在-上海
美国-总部设在-宾夕法尼亚州
最终LLM回答用户： “SAP总部位于德国沃尔多夫（属于卡尔斯鲁厄市），同时在全球多个地区运营，包括中国上海、美国宾夕法尼亚州等地都有分公司。”
关键优势： LLM不只是回答”沃尔多夫”，而是发现了地理层级关系和全球分布信息，提供了更完整的答案。
LLM+Knowledge Graph的实战效果
用户问：“帮我分析最近三个月采购订单延期交货的供应商，看看哪些风险比较高“
🔴 无Knowledge Graph的流程
第1步：LLM进行关键词提取
LLM基于自身理解提取关键词：[“采购订单“, “延期交货“, “供应商“, “风险分析“, “三个月“]
❌ 每次运行可能提取不同词汇，有时遗漏“时间范围“，有时误加“库存管理“
❌ 不理解“风险高“的业务含义，只能按字面意思处理
第2步：LLM试错查找数据表
LLM拿着关键词开始猜测：
看到”延期交货”→ 可能先查EKKO采购订单表 ❌ (有订单信息但没有实际交货时间)
发现数据不全后 → 再查LIKP交货单表 ❌ (有发货信息但缺少计划时间对比)
最后才找到需要EKET交货计划表的EINDT计划日期 与 MBLNR收货单的实际日期进行对比 ✅
第3步：LLM按自己理解分析”风险”
LLM收到用户问题”哪些供应商风险比较高”时，由于没有业务知识指导，只能按常识推理：
LLM推理：延期次数多 = 不可靠 = 风险高
所以LLM认为只要统计每个供应商的延期次数就能判断风险
❌ LLM不知道在采购业务中，“供应商风险”是一个复合指标，需要综合考虑：
延期影响程度（延期1天 vs 延期30天的风险完全不同）
延期物料重要性（关键生产物料延期 vs 办公用品延期的风险不同）
供应商财务健康度（即使不延期，财务危机的供应商风险也很高）
可替代性（独家供应商即使小延期，风险也比有备选的供应商高）
❌ 最终输出简陋结果：”供应商A延期5次，供应商B延期3次，所以A风险更高”
第4步：返回片面结果
❌ A风险高的结论不够合理
❌ 无法提供改进建议
🟢 有Knowledge Graph的流程
第1步：LLM查询KG获取业务概念和关系
LLM查询KG：“供应商风险评估相关的实体和关系有哪些？“
KG返回：
– 实体：供应商、供应商风险、交货记录、财务评级、物料、合同
– 关系：供应商–供应->物料、供应商–具有->财务评级
✅ LLM通过KG明确了“供应商风险“不只是延期次数，而是多维度综合评估
第2步：LLM确定所需数据之后，再次查询KG获取数据位置
LLM查询KG：“交货记录数据存储在哪里？“
KG返回数据血缘和访问路径：
交货记录 —存储于–> EKET表.EINDT字段，访问路径为XX
供应商信息 —存储于–> LFA1表，访问路径为XX
第3步：基于KG的业务理解和数据仓库的实时数据生成分析报告
LLM获取数据后执行综合分析
✅ 输出综合分析结果：”供应商A综合风险85分，主要风险来源：关键物料平均延期12天(40分) + 信用评级下降至C级(25分)；建议启动备选供应商评估”
总结
知识图谱（KG）作为Agent系统的辅助组件，能够让LLM理解不同业务名词之间的关系，还能直接提供数据位置，从而辅助LLM快速，准确的完成业务分析，更好的作为Agent进行工作。
如果您对BTP感兴趣，BTP个人精选内容目录 | SAP Blogs 可能有更多你需要的内容 如文章所述，Agent系统需要一些辅助组件来解决使用痛点这里介绍让Agent理解业务的辅助组件：知识图谱Knowledge Graph（简称KG） 想象一个场景：业务分析师想分析交货延期的具体原因，但看着数据库里成千上万张数据表陷入沉思；而LLM虽然可以快速过滤这数千张表，但它并不理解业务。用户问”分析交货延期原因”，AI却不知道交货延期和供应商财务状况、物料重要性、合同条款有什么关系；面对企业平均3000+张数据表，AI只能做关键词匹配，无法快速找到业务对象对应的数据位置 知识图谱就是用于解决这两个问题的，让AI更理解业务，同时还能更快的找到数据所在地 Knowledge Graph是什么？知识图谱是一种数据库，但它存储的内容是一个个不同的三元组，每个三元组由“主语-谓语-宾语”组成，比如以下的三个三元组：SAP-运营在-全球不同地区，SAP-总部在-沃尔多夫，沃尔多夫-属于地区-卡尔斯鲁厄市 Knowledge Graph如何赋能LLM成为完整的Agent系统？KG就像一个业务理解库，记录了对象的属性和不同对象间的关系，让LLM像业务专家一样理解企业知识，KG在接到搜索目标时，就可以轻松找到和目标相关的其他概念。比如说: 用户查询： “SAP在哪里？” 1.直接匹配LLM会查询KG：“SAP的总部在哪里？”，KG返回包含”SAP”的三元组：SAP-总部在-沃尔多夫 2.关联推理但LLM希望更全面的回答用户，所以可能会自行启动关联推理：”沃尔多夫是哪个国家？”沃尔多夫-属于地区-卡尔斯鲁厄市卡尔斯鲁厄市-位于-德国德国-属于-欧洲 3.扩展发现： 继续找到更多相关信息SAP-运营在-全球不同地区SAP-分公司在-中国SAP-分公司在-美国中国-总部设在-上海美国-总部设在-宾夕法尼亚州最终LLM回答用户： “SAP总部位于德国沃尔多夫（属于卡尔斯鲁厄市），同时在全球多个地区运营，包括中国上海、美国宾夕法尼亚州等地都有分公司。” 关键优势： LLM不只是回答”沃尔多夫”，而是发现了地理层级关系和全球分布信息，提供了更完整的答案。 LLM+Knowledge Graph的实战效果 用户问：”帮我分析最近三个月采购订单延期交货的供应商，看看哪些风险比较高” 🔴 无Knowledge Graph的流程第1步：LLM进行关键词提取LLM基于自身理解提取关键词：[“采购订单”, “延期交货”, “供应商”, “风险分析”, “三个月”]❌ 每次运行可能提取不同词汇，有时遗漏”时间范围”，有时误加”库存管理”❌ 不理解”风险高”的业务含义，只能按字面意思处理 第2步：LLM试错查找数据表LLM拿着关键词开始猜测：看到”延期交货”→ 可能先查EKKO采购订单表 ❌ (有订单信息但没有实际交货时间)发现数据不全后 → 再查LIKP交货单表 ❌ (有发货信息但缺少计划时间对比)最后才找到需要EKET交货计划表的EINDT计划日期 与 MBLNR收货单的实际日期进行对比 ✅ 第3步：LLM按自己理解分析”风险”LLM收到用户问题”哪些供应商风险比较高”时，由于没有业务知识指导，只能按常识推理：LLM推理：延期次数多 = 不可靠 = 风险高所以LLM认为只要统计每个供应商的延期次数就能判断风险❌ LLM不知道在采购业务中，”供应商风险”是一个复合指标，需要综合考虑：延期影响程度（延期1天 vs 延期30天的风险完全不同）延期物料重要性（关键生产物料延期 vs 办公用品延期的风险不同）供应商财务健康度（即使不延期，财务危机的供应商风险也很高）可替代性（独家供应商即使小延期，风险也比有备选的供应商高）❌ 最终输出简陋结果：”供应商A延期5次，供应商B延期3次，所以A风险更高” 第4步：返回片面结果❌ A风险高的结论不够合理❌ 无法提供改进建议 🟢 有Knowledge Graph的流程 第1步：LLM查询KG获取业务概念和关系LLM查询KG：”供应商风险评估相关的实体和关系有哪些？”KG返回：- 实体：供应商、供应商风险、交货记录、财务评级、物料、合同- 关系：供应商-供应->物料、供应商-具有->财务评级✅ LLM通过KG明确了”供应商风险”不只是延期次数，而是多维度综合评估 第2步：LLM确定所需数据之后，再次查询KG获取数据位置LLM查询KG：”交货记录数据存储在哪里？”KG返回数据血缘和访问路径：交货记录 –存储于–> EKET表.EINDT字段，访问路径为XX供应商信息 –存储于–> LFA1表，访问路径为XX 第3步：基于KG的业务理解和数据仓库的实时数据生成分析报告LLM获取数据后执行综合分析✅ 输出综合分析结果：”供应商A综合风险85分，主要风险来源：关键物料平均延期12天(40分) + 信用评级下降至C级(25分)；建议启动备选供应商评估” 总结知识图谱（KG）作为Agent系统的辅助组件，能够让LLM理解不同业务名词之间的关系，还能直接提供数据位置，从而辅助LLM快速，准确的完成业务分析，更好的作为Agent进行工作。 Read More Technology Blog Posts by SAP articles
#SAP
#SAPTechnologyblog
