# 从零开始构建企业数字知识图谱
> 结构化数据的终极形态是数字知识图谱。本文介绍中小企业如何用最小成本构建自己的知识图谱，让AI彻底理解你的业务。
- 作者: 谈光尘
- 发布: 2026-07-13
- 原文: https://geo.zxwsh.com/insights/build-enterprise-knowledge-graph-from-scratch-20260713
先破除一个错觉：知识图谱不是大厂的专利
知识图谱听起来是大厂才玩得起的。但你错了，一个中小企业的知识图谱，用JSON-LD就能搭，成本是零。关键是你要知道该搭什么。
通俗地说，知识图谱就是给AI看的一份「企业说明书」。人类看你的官网，能通过阅读拼出你的画像：你是谁、卖什么、服务过谁、有什么资质。AI做不到「阅读拼图」，它需要你把信息按固定的格式摆好，它直接取用。摆好的这份东西，就是你的知识图谱。
三元组：知识图谱的最小单元
知识图谱（Knowledge Graph）的本质是实体+属性+关系的三元组。对于一家企业，你的知识图谱包含：
- 实体：你的公司、你的产品、你的客户案例、你的团队成员、你的行业资质。凡是有名字、能单独描述的对象，都是实体。
- 属性：每个实体的名称、描述、时间、地点、规格。比如「公司」这个实体有成立时间、注册地址、员工人数等属性，「产品」有型号、参数、价格区间等属性。
- 关系：产品属于公司、案例使用了产品、成员任职于公司。关系把孤立的实体连成网络，AI顺着关系就能理解你的业务结构。
举个例子：一家食品机械厂的知识图谱里，「XX食品机械有限公司」是一个实体，「全自动面条机」是另一个实体，两者之间有一条「生产」的关系；「面条机」和「河南某面业集团」之间有一条「供货」的关系。AI看到这张网，就知道这家厂做什么、卖给谁。
JSON-LD实现：格式不神秘，照抄就行
这些信息全部可以用Schema.org的JSON-LD格式表达。一个完整的Organization+Product+FAQPage+Article组合，构成了中小企业知识图谱的骨架。
JSON-LD是嵌入网页HTML里的一个script标签，人看不到，AI读得到。它的语法是标准的JSON，格式固定，照着Schema.org的官方文档抄模板即可，不需要会编程。一个基础的企业标注，从找模板到上线，熟练之后两小时以内能完成。
结构示意（省略具体值）：一个Organization节点声明公司基本信息，若干个Product节点声明产品，每个Product用「manufacturer」指回公司，FAQPage节点声明高频问题，Article节点声明文章内容。节点之间用属性互相引用，网就织起来了。
三层构建法：从一天到持续
- 核心层（1天内完成）：Organization + 主要Product/Service标注。这是地基，一天上线。做完这一层，AI至少能准确说出你是谁、做什么。
- 扩展层（1周内完成）：FAQ + Article + LocalBusiness标注。把高频问题、文章内容、本地信息补进来，AI开始能回答关于你的具体问题。
- 深度层（持续）：案例+行业报告+行业数据+多语言扩展。这一层没有终点，持续把新的业务事实补进图谱，你的信息资产就持续增值。
三个常见误区，注意避开
- 求全不求对：一上来就想把二十年企业史全部塞进去，结果标注质量差、上线慢。正确做法是先上核心层，跑通再扩展。
- 标注和页面内容不一致：标注里写「成立于2015年」，页面上写「成立于2014年」，AI面对冲突信息会直接降低信任。标注必须和可见内容一一对应。
- 搭完就不管：知识图谱是活的，业务变了、产品更新了，图谱要同步改。建议每季度做一次图谱与业务的对照检查。
说句实话：知识图谱这个名字吓退了很多中小企业主，但拆开看，它就是把「你是谁、做什么、怎么联系」这三件事用AI看得懂的格式说清楚。说清楚的成本接近零，说不清楚的代价是：AI回答里永远没有你。
光尘阁GEO团队出品，专注AI时代城市与产业数字资产建设。
光尘阁 · 2026年7月