易图（YiGraph）
一、产品概述
易图（YiGraph）是一套端到端的图数据分析智能体系统，用于帮助用户从复杂数据中快速洞察关键关联关系。
易图能够从日志、文档、表格等多类原始数据中，自动抽取实体与关系，构建结构化的图数据；用户只需通过自然语言描述业务问题，系统即可自动规划分析流程，完成计算，并生成清晰、可解释、可追溯的分析报告。
在系统内部，大语言模型负责理解用户意图、拆解分析任务并组织最终输出；而支撑分析结果可靠性的核心技术是 AAG（Analytics-Augmented Generation，分析增强生成）。 AAG 将分析计算作为核心能力，在关键环节调用图算法与图系统完成可验证的计算，再由模型对结果进行解释与汇总。
因此，易图并非只“回答问题”的对话式 AI，而是一套能够将业务问题转化为可执行、可复核分析流程的图分析智能体。
二、易图解决什么问题
在很多业务里，数据背后真正有价值的是“关系”：
- 社交网络里的人与人连接
- 金融交易里账户与资金流向
- 风控里账号、设备、地址之间的关联
- 供应链里企业之间的交易与传导路径
- 知识图谱里实体与语义关系
这些都可以抽象为“图”（节点 + 边）。
但图数据通常结构复杂、规模大、门槛高：非专业用户很难把自己的业务问题准确转成“图问题”，更难选算法、建图、跑分析、解释结果。
易图的目标就是把这件事变简单：
让用户像“提问”一样完成图分析——从自然语言出发，端到端得到可信的分析结论与报告。
三、产品定位与核心价值
- 定位：面向复杂关联数据的图分析智能体平台（从数据到结论的一体化图分析）
- 目标用户：风控/合规/安全分析团队、数据分析师与业务决策支持团队（尤其是需要“关联洞察”的场景）
- 核心价值：洞察大数据中的深层关联
- 把分散在不同系统里的数据关系“串起来”
- 快速发现隐藏的链路、团伙与风险传导路径
- 输出可解释、可追溯的结果，便于复核与落地
四、适用的业务场景（示例）
易图可灵活适配不同行业与业务需求，覆盖多类复杂关联数据分析场景，包括但不限于：
- 金融反洗钱与可疑交易分析：将海量交易流水自动构建为交易网络，识别异常资金路径与可疑交易环路
- 电商风控与羊毛党识别：融合账号、设备、地址等多源数据建图，发现团伙化作弊与关联作恶行为
- 企业关联与风险排查：通过企业、股权、交易等关系建图，穿透复杂结构，识别潜在合规与经营风险
- 园区/城市事件分析：将门禁、轨迹、事件数据统一建图，还原人员关系与事件演化过程
- 供应链风险分析：整合企业与交易数据构建供应链网络，定位隐蔽关联风险及传导路径
五、核心能力（AAG 驱动的端到端图分析）
易图的能力核心来自 AAG（分析增强生成）：
它把“灵活的语义理解”与“可验证的分析过程”结合起来，完成从自然语言到结构化结论的端到端处理。
AAG 的目标不是让大模型“自己分析一切”，而是让它在合适的时机调用专业分析模块（如图算法、图系统等），并把结果组织成用户能看懂、能复核的报告。
AAG 主要包含三类关键能力：
5.1 知识驱动的任务规划
系统会先理解用户问题“想解决什么”，再把它拆成可执行的分析步骤，例如：
- 需要哪些数据字段与关系
- 该构建怎样的图（哪些实体、哪些关系）
- 该用哪些分析方法与参数
- 分析结果需要如何解释与呈现
你不需要懂图算法，系统会把“我要查什么”转成“怎么做分析”。
5.2 以算法为核心的可靠执行
易图不会让模型随意"写一段不可控的代码再去跑"。 相反，它会以"可验证的算法模块"为中心进行调用与组合，让每一步分析：
- 可复现（同样输入得到稳定一致的输出）
- 可追溯（知道用了哪些算法、跑了哪些步骤）
- 更可靠（关键计算由专业模块完成，而不是纯文本推理）
丰富的图算法库
易图内置 212 种专业图算法，覆盖 21 大类别，为各类图分析、网络建模、结构挖掘、路径计算、社区发现、图查询以及图神经网络场景提供强大的算法支持：
| 算法类别 | 算法数量 | 核心能力 |
|---|---|---|
| Basics（基础算子） | 15 个 | 图结构判定、基础遍历、拓扑排序、同构检测、平面性与竞赛图判定 |
| Path（路径算法） | 19 个 | 最短路径、多源路径、DAG 最长路径、可达性判定、欧拉/哈密顿路径与环路分析 |
| Centrality（中心性算法） | 21 个 | 关键节点识别、影响力评估、桥梁节点定位、传播能力分析、层级与重要性度量 |
| Connectivity & Components（连通性与组件） | 17 个 | 连通分量、强/弱连通分量、割点/割边、桥接结构、网络稳健性分析 |
| Clustering & Community（聚类与社区） | 23 个 | 社区发现、聚类系数、三角关系、环检测、模块度评估、图划分质量分析 |
| Tree & Spanning Tree（树与生成树） | 9 个 | 最小/最大/随机生成树、树结构分析、最近公共祖先、弦图与树宽估计 |
| Dominance（支配关系） | 2 个 | 有向图支配关系分析、控制流图分析、支配边界计算 |
| Flow & Cut（流与割） | 7 个 | 最大流、增广路径、预流推进、容量缩放、Gomory-Hu 树、边/节点边界分析 |
| Link Prediction（链接预测） | 11 个 | 缺失边预测、相似度评估、邻居关系建模、社区感知链接预测 |
| Matching & Coloring（匹配与着色） | 10 个 | 最优匹配、边覆盖、匹配合法性校验、图着色、资源分配与冲突检测 |
| Graph Matching（图匹配） | 2 个 | 子图模式匹配、结构包含关系分析、树同构识别 |
| Graph Polynomials（图多项式） | 1 个 | 图不变量计算、Tutte 多项式、组合结构计数 |
| Cliques & Cores（团与核） | 8 个 | 最大团/加权团发现、k-core/k-truss 分析、独立集、支配集与洋葱层分解 |
| Distance & Measures（距离与结构度量） | 24 个 | 网络直径、半径、中心/边缘、同配性、效率、冗余性、互惠性与整体结构指标 |
| Graph Query（图查询） | 10 个 | 节点属性查询、k 跳邻居、公共邻居、子图抽取、路径查询与图编辑距离 |
| Directed Acyclic Graphs, DAG（有向无环图） | 4 个 | DAG 周期性判定、反链分析、碰撞结构与 v-structure 识别 |
| Bipartite（二分图） | 1 个 | 二分图识别与结构判定 |
| Graph Hashing（图哈希） | 1 个 | 图结构哈希、规范化表示、Weisfeiler-Lehman 图哈希 |
| Small-world（小世界网络） | 1 个 | 小世界网络参考图生成、随机重连与网络对照分析 |
| Sparsifiers（图稀疏化） | 1 个 | 图骨架保留、低密度近似、spanner 稀疏化 |
| Graph Neural Networks（图神经网络） | 25 个 | GCN、GraphSAGE、GAT、TransformerConv、异构图卷积与图表示学习 |
这些算法覆盖了从基础图操作到高级网络分析的全流程需求，能够支撑：
- 关系链分析：最短路径、依赖链、资金流向追踪
- 关键节点识别：PageRank、介数中心性、影响力评估
- 团伙/社区发现：Louvain、Leiden、标签传播、k-clique
- 网络稳健性：连通性分析、割点/割边、最小割
- 容量与流量：最大流、最小割、瓶颈识别
- 结构洞察：聚类系数、同配性、网络直径
详细的算法说明和使用指南请参考算法文档
5.3 任务感知的图构建
易图不会把所有原始数据不加区分地建成一张大图。
它会根据当前任务需要，选择性抽取与构建“与问题相关的实体与关系”，避免无关结构干扰分析，并把图组织成更适合执行的形式，从而提升效率与结果质量。
六、数据支持与使用方式
6.1 多类型数据输入
易图支持多类常见数据形态，适配从“已有图数据”到“从零建图”的不同起点：
- 文本/日志：报告、审计材料、日志、事件描述等
- 已有关系数据/知识图谱：已有节点边数据或图谱资产
6.2 多种使用方式（建议命名）
为便于不同用户使用，易图可提供多种交互与控制粒度（名称可按产品最终对外口径调整）：
- 自动分析模式：输入问题 → 系统自动完成建图、分析与报告生成
- 交互引导模式：关键步骤（如数据范围、实体类型、分析目标）可由用户确认或调整
- 专家配置模式：高级用户可对算法、参数与流程进行更细粒度配置
七、产品优势总结
- ✅ 端到端：从原始数据到图构建、图分析再到报告输出，一条链路完成
- ✅ 门槛低：用自然语言提问即可完成复杂关联分析
- ✅ 可解释、可追溯：结果不仅“给结论”，还说明“怎么得到的”
- ✅ 更可靠：AAG 让关键计算由可验证的分析模块完成，减少“看似合理但不可复核”的回答
⭐️ 欢迎 Star / 关注 AAG，获取最新产品进展与能力更新
📞 联系我们
欢迎通过以下方式与我们交流:
微信 | 小红书 |  |