企业智能体不再逐题翻文档：知识树加本体，Harvey LAB 评分从55.1%升到84.2%
核心概要
Sarvam 为企业智能体构建“知识织物”：先把文档一次性编译成可导航的知识树和可查询的领域本体，让智能体按目录定位、按实体过滤，而不是每次提问都重新检索片段。在 Harvey 的 LAB 律所知识基准上，以 GLM 5.3 为智能体模型，答案满足专家评分标准的比例从 agentic RAG 的 55.1% 升到 84.2%，平均任务成本从 0.64 美元降到 0.28 美元；在 Sierra 的 tau-knowledge 银行基准上，以 GLM 5.2 运行，知识织物与基线准确率相当，token 用量少 64%。
深度剖析
企业智能体回答复杂问题时，不再从零开始逐条检索文档片段，而是先在一层预先编译好的结构化知识上定位信息。 此前的做法是检索增强生成：文档被切成小块建索引，提问时取回最相关的若干片段交给模型，片段脱离上下文、跨文件事实无法合并，且每个问题都要重做一遍。 在 Harvey 的 LAB 基准上，以 GLM 5.3 为智能体模型，答案满足专家评分标准的比例为 84.2%，agentic RAG 为 55.1%；平均任务成本从 0.64 美元降到 0.28 美元，该结果高于 Harvey 自有框架报告的 GPT-5.6 Sol 的 79.1% 与 Opus 4.8 的 71.7%。
这套结构分两层：一层让智能体像浏览文件系统一样在语料中导航，另一层把领域中的实体和关系记成可查询的形式。 知识树把每份长文档变成一个带索引的文件夹，索引列出标题、摘要和各章节的页码范围；领域本体则定义实体类型、属性和关系，例如交易记录其类型、状态、金额和承销方式。 在四个公开基准上，以 GLM 5.2 对同一批解析后文档比较，知识树导航相对扁平混合检索的成绩为：BrowseComp-Plus 830 题从 75.5% 到 91.3%，BRIGHT-Pro 739 题从 84.3% 到 90.4%，FinanceBench 150 题从 82.1% 到 88.7%，OfficeQA Pro 133 题从 33.8% 到 51.6%。
本体层把过滤和连接交给结构化查询完成，因此准确率提高的同时 token 和工具调用反而下降。 只用知识树时，智能体靠反复阅读和推理来探索，token 用量超过 RAG 基线两倍以上；加入本体后，筛选在数据库里完成。 LAB 的三种配置对比中，本体配置每任务 14.2 次工具调用、0.86M token、8.6 分钟、0.28 美元，知识树为 59.2 次、3.79M、30.8 分钟、1.18 美元，agentic RAG 为 36.5 次、1.80M、30.0 分钟、0.64 美元；本体配置 250 个任务全部给出答案，agentic RAG 有 9 个未作答。
启示与展望
已展示的范围是企业文档与结构化数据上的知识问答：LAB 模拟律所的 9,288 个文件、266 个事项、46 个客户和 250 个请求，tau-knowledge 模拟银行的 698 份文档和 97 个全对全错评分的任务，以及四个公开检索基准。知识织物可运行在组织自有环境，包括使用较小模型的隔离环境；本体由智能体起草、领域专家审校，每次变更都版本化并在上线前重跑该领域的评测集。
知识树并未解决完整性问题，智能体仍需判断哪些文档描述同一事物、是否已找全相关记录，这正是第二层要处理的部分。tau-knowledge 上知识织物完成 39 个任务、基线完成 38 个，属于准确率相当而非提升。作者表示仍在改进编译的准确率与效率，并把共享持久记忆列为下一步方向。