AI 实体增强平台你的文档,转化为数据库。

一个面向人类和 AI 智能体的 AI 框架,用于构建、填充并持续演进规范化的关系型数据库。你可以从 PDF、照片、语音备忘录、CSV 文件或现有数据库开始,也可以直接描述你的需求。Entity Enricher 会为你创建可编辑的 schema 和工作流,丰富数据、消除重复实体,并让数据库始终保持最新。

运行实时扩充

一次增强从一个请求开始,为单个实体及与其关联的实体填充 schema。 五名球员依次进行丰富化:为此前球员找到的俱乐部或国家会被识别,不会重复添加。

schema 的每个字段都是一个问题

上方的丰富化会为架构填入值。下面是同一架构的类图形式:其 JSON 结构中的每个对象及其字段,每个字段在本应显示值的位置显示它的 JSON 类型(string、number、boolean……)。每个字段都带有说明;将指针停留在字段上或点按它,即可打开该说明——也就是问题——以及该字段的示例、取值为封闭集合时它可以取的值,还有回答它的专家;对象的标题会打开该对象本身的说明。指向其他对象的连线同样是一个字段:它标有该字段的名称,并会打开告知模型它链接到哪个对象的问题。

每条描述就是针对该字段的取值向语言模型提出的问题。架构生成会自动编写这些描述,架构编辑器也可以对其进行修改,以便在任何扩充运行之前让问题更精确,或消除歧义。

借助语义 ID,无论名称如何书写,每个俱乐部都只有一个标识符

每次充实都会按来源的写法记录俱乐部:某位球员的记录中是 FC Barcelona,下一条记录中则是 Futbol Club Barcelona。记录中提到的每个俱乐部都会获得一个语义 ID,该 ID 从不由模型填写,而是按下面三个步骤解析得出,开销最低的步骤优先。存在疑问时会新建一个 ID:合并两个 ID 只需一次点击,而撤销错误的合并则不然。

每次扩充都化为表中的行

架构关联到数据库后即成为一组表:每种实体类型一张表,每个列表一张表,各表之间通过外键相互关联。一次增强在单个事务中写入,先写被引用的行,再写引用它们的行。若某实体已由先前的增强写入,则不会新增行:其所在行会被更新,或保持原样。未关联数据库的架构则止于增强自身的输出:结构化 JSON,并已依据该架构完成校验。

数据行与 schema 变更,共用一个通往你数据库的队列

数据库同步会将实体保存在你自己的 PostgreSQL 数据库中。每次扩充都会成为一个 upsert 事务,涵盖该实体及与其关联的实体;发布 schema 变更则会成为一次迁移。两者都在同一个队列中按到达顺序等待,ee-database 客户端取出队首并应用,然后进行确认。因此,新列总是先于填充它的第一行存在,而在此之前写入的行在该列上保持为 NULL。

ee-database 是一个开源程序(MIT 许可),运行在你自己的服务器或笔记本电脑上,紧邻它所写入的数据库。它自行向外发起到 Entity Enricher 的连接,因此数据库无需接受任何来自外部的连接,其凭据也绝不会离开这台机器。

由 AI 根据您的数据样本构建的 schema

样本无论是从文档中提取还是手工编写,都会构建出架构的第一个版本,之后可在平台中进行编辑。

  1. 从文档到样本

    样本可以从文档中提取 —— 这里是某书店关于《魔戒同盟》的记录(以 PDF 形式呈现的记录)。提取会保留文档中给出的每一个值:作者和出版社,还有章节、人物以及该书在店内的书架位置。文档无法让你决定提取出哪些字段。

    随后,用户只保留模式所涵盖的字段。图书目录需要标题、类型、年份、价格、作者、系列和出版社:其余字段则搁置不用。剩下的内容就是这本书的样本,也是后续步骤要读取的五个样本中的第一个;一份文档提供一个样本,其余样本来自其他图书。

  2. 从样本到实体图谱

    Entity Enricher 会读取你的数据样本,识别其中所描述的实体——此处为书籍、作者、系列和出版社——以及用于标识每个实体的字段。这些实体只是建议:在用户一键将其中某个实体独立出来之前,架构会保持样本的扁平结构。独立后,它的字段会移到其下,被多本书引用的同一作者也将合并为一个拥有唯一标识符的实体。

  3. 字段在专家之间分配

    Schema 生成会按字段所需的知识将字段分组,并为每组指派一位专家:此处由文学专家负责书名、体裁、作者和系列,由出版专家负责出版社、价格和出版年份。

    丰富化时,每位专家都可以成为一次独立的调用并行执行:只被问及价格和出版商的模型,比被一次性问遍所有内容的模型回答得更完整。

  4. 每位专家描述自己的字段

    随后,每位专家用自己的术语撰写各自字段的描述:书籍的年份指哪一年,价格以何种货币、按哪个日期读取。各位专家并行撰写,每人一次调用。

    描述就是模型在富集时为该字段回答的问题,因此描述足够精确,才能让两个模型或两次运行以相同的方式填充该字段。

  5. 用于标识实体的字段

    对于每种实体类型,架构生成都会选取能够标识单个实例的字段——书籍的标题、作者的姓名。但丁和丹·布朗都写过名为 Inferno 的书:要区分一本书,需要同时依据它的标题和作者。

  6. 为每个实体分配语义 ID

    请求语义 ID 时,代表实体的每个对象都会获得一个 id 字段:书籍本身,以及嵌套在其下的每个实体——作者、丛书、出版社。模型从不填写该字段:每次充实之后,它会根据实体的标识字段解析得出,因此同一位作者即使有两种写法,也只保留一个标识符。

    仅承载其父级事实的对象——例如这里书籍的出版年份和价格——不会获得任何 ID:其中没有任何字段能标识事物。配对关系同样不会,例如某本书在其丛书中的卷号:它由其所关联的两个实体来标识。

  7. 多语言字段

    文本字段可标记为多语言:此时它会为每种请求的语言各保存一个值——标题、类型或国家/地区会以各种语言书写,名称会以各语言的文字书写。年份或价格则仍为单个值。身份识别以第一种语言为准,因此翻译后的标题绝不会创建出第二本书。

  8. 原样保留的标识符

    对于每个实体,一个或多个语言模型会根据附件文档及模型自身的知识来填充模式。标记为保留的字段是例外:它的值来自你自己的系统 —— 行 id、内部引用 —— 并在富化过程中原样传递,因此每本富化后的图书都能回到它所来自的那一行。若未标记,该字段将交由模型填充,没有任何机制能阻止它用自己知道的 ISBN 覆盖你的 id。

根据你的模式设计的数据库

关联到数据库的模式会变成一组表。设计的重点在于这些表之间如何关联:哪些行由多个实体共享,哪些行只属于某一个实体。语言模型回答这些问题,其余的交由投影规则完成。

  1. 每类事物一张表

    数据库把数据存放在表中。表就是一张网格:每一列存放一个字段,每一行代表一个事物。当模式关联到数据库时,每种实体类型都会获得一张自己的表——这里是 football_player——而每位已扩充的球员都成为其中的一行。

    没有自身标识的字段分组(例如球员的首秀)无需单独建表:它的字段会成为同一行中的列,并以通向它们的路径命名 —— senior_debuts_club_date。

  2. 区分两行的依据

    每张表都有一个键:用来区分各行的那些列。球员由全名和出生日期共同区分,国家则由其 ISO 代码区分。键是在关联模式时,从能够标识各实体的字段中选出的。

    当再次扩充某名球员时,该键会找到这名球员已有的行:该行被更新,不会出现重复。

  3. 关系就是一个指针

    在扁平的电子表格中,一家俱乐部会出现在每一位曾在此效力的球员所在行上,其成立年份每次都被复制一遍。副本会逐渐不一致:一旦其中一个被更正,其余的仍保留旧值。

    在数据库中,俱乐部只存储一次,存放在自己的表里,而每段效力期只保存一个指向它的指针——一个外键,即俱乐部的 _id。正是这些表之间的关系让数据保持可靠:每个事实只存在于一处,所有需要它的行都指向那里。

  4. 共享还是专属:模型要回答的问题

    对模式中的每一个关系,都会向语言模型提出一个问题:会有另一位球员指向完全相同的这一行吗?俱乐部、城市、国家或赛事的存在都独立于任何一位球员,因此答案是肯定的,这一行由所有指向它的球员共享。

    每个回答都附有理由,用户可以在数据库创建之前阅读,并推翻它。对于这个模式,模型判定了十八个关系,并发现它们都指向共享的对象。

  5. 只属于某一位球员的行

    球员在某家俱乐部的效力期只包含对该球员成立的事实:年份、进球数。它的行是专属的:即便在同一家俱乐部,每位球员也各有自己的行,而每一行都指向那唯一共享的俱乐部行。

    此开关展示了错误判定会造成的后果。设为共享后,两段效力期会合并为每个俱乐部一行,第二次扩充会覆盖第一名球员的值。这正是关系在被证明为共享之前一律视为独占的原因:错误的合并会损坏数据,而漏掉的合并只是多出一行。

  6. 列类型与索引

    每一列的类型都取自其字段:身高变成小数,年份变成整数,出生日期变成日期。精确的类型让数据库能够比较、排序并校验其中的值。

    索引是若干列的排序副本,它让数据库无需读取整张表即可找到对应的行。名称会获得一个搜索索引,模型还会依照应用将要展示的列表页来设计其他索引——这里是按身高筛选、按姓名排序的球员列表。

每个工作流一个模式,一个数据库服务多个工作流

一个模式就是一个工作流:有自己的样本、自己的扩充运行,以及结果到达时自己的 Webhook。一个数据库可以关联多个模式。两个指向同类事物的工作流——这里是球员俱乐部所在的城市,以及作为独立对象扩充的城市——写入同一张表:仅提及它的工作流写入其身份标识,以它为主题的工作流填写其余内容;身份标识之外的每一列都只有一个写入方。

关联模式时会与已关联的模式进行校验:两者都涉及的类型必须用相同的键来区分。Database Sync 指南详细说明了这些校验。

从原始数据到信息系统

一条流水线接收您手头的任何内容——文档、电子表格、填了一半的行——并返回您的数据库可以信任的记录。

1

来源

从你现有的系统导入一个批次——或在新实体出现的那一刻处理单个实体。文档、图像、网络搜索和 LLM 的世界知识会补全你的数据未曾说明的内容。

2

结构

用通俗的语言描述你的目标或粘贴一个示例——AI 会生成带专业领域的类型化 schema。你可以可视化地或通过对话进行优化。

3

验证

多个模型按知识领域并行作答。冲突逐字段检测,并由规则或 AI 仲裁者解决——同时记录推理过程。

4

集成

已验证的记录会原样保留你的原始键返回,并以语义 ID 作为稳定的连接键。无重复、无需重新设键——每个字段最多支持 40 种语言。

两种输入方式

批量——来自您现有的系统

从你的数据库、CRM 或任意 REST 端点拉取数百个实体——粘贴 JSON 或带认证抓取某个 URL。并行富集它们,实时查看进度,将干净的记录写回——或导出到 Excel。

实时进行——随着新 entity 的到来

有新的潜在客户、产品或文档进入你的系统?几秒内即可扩充——一次 API 调用、一个 n8n/Make 触发器,或通过 MCP 直接从聊天中完成。结构化、已校验、可直接插入。

两条路径共享相同的语义 ID——今天在批次中增强的实体,明天即时再次遇到时仍会归入 同一条 记录。

每个值都有据可查

大多数 AI 工具要求你信任其输出。我们让你能够检查决策是如何做出的。

之前

预检查

先由一个快速模型根据你的 schema 对实体进行分类。把“Titan”当作行星来扩充?在花费任何一个 token 之前你就会收到警告。

期间

参与竞争的模型

两个或更多 LLM 独立作答。输出会经过架构验证;错误会自动返回模型进行自我纠正。

之后

已仲裁、已记录

字段级冲突通过多数表决、中位数或 AI 仲裁者解决。每一次决策——所有候选值、胜出值及推理过程——都会存储在记录中。

实体

Acme Corp

任意实体:公司、药物、法律案件、研究论文……

预检 classification

匹配——公司

在浪费 LLM 积分之前捕获类型不匹配。

Anthropic
OpenAI
Google Gemini

使用你自己的 API 密钥——适用于任何 LLM 提供商。

Anthropic
财务数据LLM 提示词
法律LLM 提示词
市场LLM 提示词
OpenAI
财务数据LLM 提示词
法律LLM 提示词
市场LLM 提示词
Gemini
财务数据LLM 提示词
法律LLM 提示词
市场LLM 提示词

Schema 按领域拆分——自我纠正的提示词在验证失败时重试。

Anthropic 条结果
OpenAI 条结果
Gemini 条结果

按模型对专长领域响应进行深度合并。

最终富集结果

Acme Corp

已仲裁

经过推理的字段级冲突解决生成最终可信结果。

在 LLM 的想象与你的数据库之间,有八道防御层。我们如何防止幻觉 →

您的数据、您的 model、您的密钥

专为数据不能离开内部环境的团队打造——既有云端的便利,又能完全掌控推理发生的位置。

使用你自己的 API 密钥

使用您 organization 的 Anthropic、OpenAI 或 Gemini 密钥——您的计费、您的数据处理协议。平台密钥只是零配置的默认选项。

在您自己的硬件上运行模型

两分钟内配对一台笔记本电脑或本地 GPU 服务器,通过安全隧道将 enrichment 路由到本地 Ollama。敏感数据永不到达云端 LLM。

tunnel 的工作原理 →

天然按租户隔离

记录、模式、文件和概念注册表均限定于组织范围。基于角色的访问控制细化到每个 API 密钥。

组织与角色 →

为何选择 Entity Enricher

专为结构化 LLM 增强打造 —— 相比单次模型调用或自建流水线,它多出了这些能力。

接入你的信息系统

内置

为 schema 添加 database sync,即可将 enrichment 镜像到你自己的 PostgreSQL 中,成为真正的关系型数据表——用 SQL 快照初始化,用幂等的增量数据流保持同步收敛,再用开源的 sync 客户端零胶水代码地应用它。输入键会被原样保留,每个 entity 都会获得一个稳定的 semantic ID:一个开箱即用的连接键,可将“Headache”“Céphalée”和“Cephalalgia”解析为同一条 record,而非三条。

每次调用返回原始 JSON。在接入你的系统之前,存储、键、匹配和对账都要你自己设计。

自定义 Schema

你定义输出结构。任意 entity 类型、任意字段、任意嵌套深度。

一条手写提示词返回一个扁平结构。嵌套、类型和校验全都得你自己实现。

多模型

同时运行 2 个以上 LLM。比较结果。取各自最佳部分。

单模型、单提供商。无法交叉验证或提高准确性。

融合与仲裁

字段级冲突检测,支持基于规则或 LLM 仲裁的解决方式。

盲目信任单一来源。没有冲突意识。

任意领域,任意实体

法律实体、药物化合物、研究论文、房地产——应有尽有。

每新增一个领域,就意味着新的提示词、新的校验、新的底层搭建——每种实体类型都要单独一条流水线。

原生多语言设计

内置

只需将字段标记一次为多语言。单次增强调用即可返回翻译成您所选的每种语言(最多 40 种)的值 —— 无需额外的 LLM 调用或翻译流程。

仅输出英语。翻译是独立的步骤、独立的成本,也是独立的故障模式。

使用你自己的文档

新建

附加 PDF、幻灯片、电子表格、合同、扫描件、录音。支持视觉、PDF 和音频的模型可直接读取;其余文件则在服务器端提取并自动内联。

仅支持纯文本输入。文档需要你自行处理——在 enrichment 之前,先完成转换、OCR、转录、分块和清洗。

PDFPNGJPEGMP3WAVM4ADOCXDOCODTRTFEPUBHTMLCSVXLSXPPTXTXTMD查看所有格式 →

默认成本优化

内置

提示词缓存在并行调用间复用共享提示词,价格仅约为输入价格的 10%,每个专业领域只看到自己的字段,而低成本的预检可避免你为丰富化错误的实体付费。

按记录统一计费,没有 token 级别的优化——也无法了解你实际花费了多少。

成本优化的工作原理 →

融入你的工作流程

只需设计一次 schema,即可任意规模地进行富集——通过 Web 应用、自动化工作流,或直接在你自己的代码中调用。

批量丰富化

在 Web 应用中并行富化数百个实体。实时流式传输、自动融合、Excel 导出。

n8n 与 Make 工作流

自动化流水线:由新数据触发、进行增强,再推送到你的 CRM 或数据库。支持 400+ 应用集成。

REST API

面向自定义集成的编程式访问。类型化 OpenAPI schema、组织范围密钥、同步与流式端点。

通过 n8n 连接 400+ 应用

使用 n8n 的可视化工作流编辑器构建自动化富集流水线。从任意来源提取数据,用 AI 进行富集,并将结果推送到任何地方。

Google Sheets
源数据
Entity Enricher
Entity Enricher
AI 增强
HubSpot
CRM 同步
HubSpot
CRM
Salesforce
CRM
Google Sheets
电子表格
Airtable
数据库
Slack
消息通信
PostgreSQL
数据库
Webhook
API
Gmail
电子邮件
Notion
工作区
Stripe
支付
Jira
项目管理
HTTP Request
API
CRM 同步
将富集后的数据直接推送到 HubSpot、Salesforce 或任意 CRM
瀑布式增强
使用条件逻辑串联多个数据丰富化步骤
无代码工作流
可视化拖放式流程构建器——无需编写代码
自动化流水线
在新增行、表单提交或定时计划时触发增强
或直接在 Claude Desktop、Claude Code 或 Cursor 中使用

Entity Enricher 内置了一个 MCP(Model Context Protocol) 服务器。列出您的模式、增强实体、检查结果——全部在聊天中完成。无需工作流编辑器。

或将全部数据镜像到你自己的数据库中

开源的 ee-database 客户端让你自己的 PostgreSQL 与每一次富集保持一致——先通过快照初始化,再经由出站连接接收实时增量数据流。无需搭建工作流,你的连接字符串也绝不会离开你的机器。

我们如何比较

从网页研究 API、电子表格研究智能体转过来,或者正在自建 LLM 流水线?这里是 Entity Enricher 的定位。

功能Entity EnricherParallel AIAI 研究智能体自行搭建的 LLM 管道
自定义嵌套架构扁平 JSON 模式每列一条提示词手动编码
多模型增强您负责编排
融合与冲突解决
字段级审计追踪引用来源 + 置信度
关联实体去重(语义 ID)
同步到你自己的 PostgreSQLCSV / 表格导出你来构建
以你的文档作为来源视情况而定你来构建
任意实体类型
多语言输出(40 种语言)你来构建
BYOK / 自托管模型很少
批处理你来构建
维护托管托管托管永久归您所有
定价按 token 计费$5-25 / 每千行积分 / 订阅工程时间 + 令牌

回填过去,增强未来。

贵公司的知识早已记录在案——让它变得可查询。免费开始使用,自带您自己的 API 密钥,只需支付 LLM 费用。

免费开始使用