Fluree AI 今日发布

Fluree AI 是一个企业级知识图谱驱动的 AI 数据平台，定位为 AI 智能体的"可信上下文层"。它解决大模型在实际业务场景中最大的痛点——幻觉和数据孤岛问题，让 AI 的回答基于真实、可验证、结构化的企业数据，而非概率性生成的近似内容。

平台的核心工作流程分为四个步骤：接入、整理、查询、保障。接入阶段支持 CSV、SQL 数据库、Markdown 文档、SaaS 数据导出等多种格式，数据扔进去后，Fluree 会自动对实体进行分类、建立关联，构建出自动化的知识图谱，而非需要人工维护的静态标签体系。整理完成后，任意 AI 智能体（支持 Claude、OpenAI、Gemini、Ollama 等主流模型）都可以通过 MCP 协议直接查询这个图谱，获取带有出处的、权限受控的答案。每一次查询都经过属性级访问控制（ABAC）校验，确保数据只在用户被授权的范围内流动。

相比传统的 RAG（检索增强生成）方案，Fluree 的核心差异在于"确定性查询"而非"概率性生成"。传统 RAG 把文档切块后靠向量相似性检索，容易在上下文不完整或语义模糊时产生幻觉回答；Fluree 则将查询转化为结构化图查询，直接在关系网络中定位答案，答案可追溯到具体的数据节点，出处清晰、可审计。从实际效果看，金融机构用 Fluree 将合同审查场景的错误率大幅降低，制药公司用它在 3 周内（原本需要 9 个月）建立了新的分析能力。

Fluree AI 还内置了 AI 智能体编排能力。用户可以用自然语言描述一个任务（如"监控营收风险账户"），系统会自动调用相应的工具、在多个数据源之间协同查询、将结果以结构化方式呈现并写入图谱。整个过程保留了完整的操作日志和变更记录，任何一步都可追溯、可回滚。平台还支持记忆系统，AI 在每次交互中积累的上下文以图结构形式持久化，新会话无需重复提供背景信息。

在技术架构层面，Fluree 支持将智能体状态和业务上下文统一存储在同一知识层中，使不同智能体、不同应用（聊天界面、数据看板、内部工具）可以共享同一个数据视图，避免了为每个工具单独维护上下文的重复工作。部署方面提供云端无服务器版本（有免费额度）和本地 Docker 部署选项，开发者也可以通过 MCP CLI 将 Fluree 连接到 Claude Code、Cursor、VS Code 等开发环境。定价方面有免费入门计划，详细企业定价需联系销售。

总体来说，Fluree AI 的核心价值主张是：将企业数据的治理能力、AI 智能体的可信度、以及多工具协同的灵活性，汇聚在一个以图结构为基础的统一数据层中。它不是又一个 RAG 包装工具，而是从数据架构层面重新定义了 AI 智能体如何与企业真实数据互动——每次回答都有据可查，每个操作都有权限约束，每个结论都可以验证。