Tableau Knowledge

数据固然宝贵，但知识才是力量。为 AI 智能体提供其所需的受信任、受治理的知识，使其能够自信推理并提供精准见解，从而在整个企业中大规模实现值得信赖的智能体分析。

将数据和语义统一为面向 AI 智能体的知识图谱

您已在 Tableau 中构建了仪表板、工作簿和数据源，并在整个企业中积累了组织知识。挑战是什么？这些内容与需要它们的智能体彼此脱节。

Tableau Knowledge 通过将数据和语义统一为知识图谱（即通过关系链接的数据资产网络）来弥合这一差距。您可以检查、策展和优化每个图谱，从而创建企业运作方式的动态模型。智能体无需猜测，而是可以访问所需的受信任、受治理的知识，以直观推理并提供精准见解。

将已发布数据源、工作簿、仪表板、目录以及非结构化知识（如 PDF 和 wiki）集中到一个位置，为您多年积累的分析投资赋能 AI 智能体。

自动生成知识图谱（即，通过关系链接数据和语义的组织动态模型）。然后查看并丰富它们，以便 AI 智能体能够高效检索受信任的知识。

借助内置于 Tableau Knowledge 的 Tableau Agent 简化图谱管理。改进您跟踪图谱运行状况、进行修订和浏览关系的方式，使 AI 智能体仅基于受治理的知识进行推理。

将仪表板中的 Tableau Agent 或任何支持 MCP 的智能体直接连接到 Tableau Knowledge，使其能够访问受信任的知识，以直观推理、提供精准见解并自信采取行动。

Webinar

了解如何将您的数据和语义转化为 AI 智能体可用的知识，使其能够直观推理并提供精准见解。

Blog

受信任的知识正是区分“看起来不错”的 AI 与“真正取得成果”的 AI 的关键。Tableau 对智能体分析的全面方法旨在同时实现这两者。

On-demand webinar

了解 Tableau 的知识引擎如何治理每个智能体响应，从而在 Tableau Agent、Slackbot 以及任何通过 MCP 连接的 AI 智能体中实现值得信赖的对话式分析。

语义是已在 Tableau 中定义的数据（已发布数据源、工作簿、目录等）以及 Tableau 之外的数据的业务语言。

知识是更广泛的系统，它通过关系连接您的语义、结构化数据和非结构化数据（如文档、PDF 和 wiki），完整呈现业务的运行全貌。

知识图谱根据结构化数据、非结构化数据和语义在企业中的关联方式将它们连接起来。因此，智能体无需猜测或查询所有可能的来源，而是可以像熟悉您业务的人一样高效检索精准知识。

MCP（即模型上下文协议）是一种开放标准，可让 AI 智能体访问外部上下文和工具。Tableau Knowledge 已支持 MCP，因此任何支持 MCP 的智能体都可以直接连接到它，以检索受信任、受治理的知识。