卷宗PDF拖入→RAG 引擎智能解析→AI自动抽取人/物/时/地/资金实体→知识图谱。点任意节点弹出卷宗原文段落，用自然语言直接提问——「哪两份笔录对案发时间描述矛盾？」
一个案子积累上百份 PDF 卷宗——询问笔录、现场勘查、鉴定意见、情况说明。两份不同笔录对同一关键事实的描述可能互相矛盾。民警逐份翻阅比对，翻到后面忘了前面。遗漏矛盾直接导致退查。
100 份卷宗 PDF 散落在不同文件夹里。逐份打开、阅读、标注关键信息——一份平均 15 分钟，全部过一遍就是 25 个小时。还没开始比对这些材料之间的冲突和关联。
阅读整理耗时数天第三份笔录说案发时间是晚上 8 点，第十七份鉴定报告推断死亡时间是下午 5 点。这两份文件间隔 14 份卷宗——没有人能把整本案卷的所有时间节点同时记在脑子里。
矛盾遗漏导致退查同一人物出现在 7 份不同的笔录中、同一地址关联 3 个不同的案件——这些跨文档的关联信息散落在各处，传统方式只能靠手工制表，无法形成结构化的关系网络。
信息孤岛无法关联不是让你自己在PDF里搜索关键词——而是RAG 引擎自动解析全部卷宗PDF，大模型抽取人物、时间、地点、事件、资金实体，图数据库构建知识图谱。点击图谱中任一节点，自动弹出卷宗原文段落——AI结论有据可查。用自然语言直接提问：「案发时间各份材料是否一致？」
将案卷PDF文件批量拖入系统。RAG 引擎知识库自动解析文本和表格，支持询问笔录、现场勘查报告、法医鉴定书等多种公安文书格式。上传进度实时可见。
国产大模型从全部卷宗中自动抽取实体（人物、时间、地点、物品、事件、资金）和关系（参与、位于、发生于、用于、矛盾、印证）。以案件为根节点，图数据库构建知识图谱，跨文档关联同一实体。RAG 引擎+国产推理大模型推理+图数据库三服务联动。
用自然语言直接提问。系统自动比对不同材料中的同一事实并标红矛盾点。点击图谱中任一节点，自动弹出卷宗原文段落——AI结论有据可查。将刑侦预审的关系梳理从经验型变成数据型。
以下演示展示从 PDF 导入到知识图谱构建、再到自然语言查询和矛盾自动发现的完整流程。
将某案 3 份卷宗 PDF（询问笔录 2 份 + 法医鉴定书 1 份）导入系统。AI 自动抽取 47 个实体（含 12 个人物、8 个时间节点、5 个地点、3 个关键物品）和 89 条关系。构建知识图谱后，侦查员用自然语言提问：「案发时间在材料中有矛盾吗？」——系统立即标注：被害人第一份笔录称「晚 8 点左右」，但法医鉴定书推断死亡时间为「当日 17:00-18:00」，两份材料对同一事实的描述存在 2 小时偏差。
通用AI只能处理粘贴进去的文本片段，传统工具只能关键词搜索——天溥以RAG 引擎+知识图谱技术，让卷宗从散落的PDF变成可推理、可溯源的结构化数据。
| 维度 | 通用 AI 厂商 | 天溥科技 |
|---|---|---|
| 材料处理 | 仅支持文本粘贴，PDF无法直接处理 | PDF批量导入，RAG 引擎自动解析文本、表格和签章信息 |
| 跨文档比对 | 每次只能分析一份粘贴的文本片段 | 全部卷宗同时建模，图数据库跨文档自动关联同一实体 |
| 矛盾发现 | 无跨文档逻辑对比能力 | 自动比对不同材料中同一事实的描述，矛盾即时标红 |
| 原文溯源 | 结论无法回溯原文 | 点击图谱节点弹出卷宗原文段落，AI结论有据可查 |
| 部署 | 卷宗上传公有云，严重违规 | 全本地部署，RAG 引擎+图数据库均在公安内网运行 |
