Nexa Intelligence方法论
一场十五至四十五分钟的对话如何转化为带有类型、日期和细分范围的事实。
平台运行三个阶段。Gather 通过 AI 引导的结构化访谈向持有知识的人员获取原始素材。Codify 将每一段被接受的对话转化为 bi-temporal 存储中的十个类型化维度。Monetize 将最终的智能成果交付给内部仪表板、范围限定的品牌合作伙伴 API 以及将每个答案锚定在同一语料库上的 AI 智能体。
本页记录这三个阶段背后的科学原理。大部分深度集中在前两个阶段。对话智能体是我们发现的唯一能以每次丰富对话三分钱的成本开展研究级访谈的工具，并且在第一次和第一万次访谈中保持相同协议。智能矩阵则使一个语料库得以同时服务内部仪表板、目录中的品牌合作伙伴和 AI 智能体，而三方答案不会相互偏离。
以下页面深入介绍两个核心内容。Codify 的运营视图位于 Platform。Monetize 的分发界面（仪表板、品牌合作伙伴 API、智能体）位于 KAAS。保密性、匿名化和禁止训练合同背后的机制位于 信任与安全。以下每项声明都可追溯到一个可命名、可审计、可重现的机制。
智能矩阵
十维度丰富化模式
每段被接受的对话被分解为十个类型化维度。该集合在形态上具有跨行业稳定性：每个行业纵向获得十个维度，根据劳动力实际掌握的知识，替换其中两至三个。本页列出这十个维度，解释为何选择十个而非五个或二十个，并描述在任何 LLM 调用之前运行的预丰富化门控。
阅读更多 →Bi-Temporal 有效性
每个事实携带三个时间戳：learned_at、valid_at、invalid_at。as-of 回放允许品牌合作伙伴针对同一语料库运行今日查询和去年五月的查询，并分别获得正确答案。按维度的半衰期校准告知系统哪些事实在数周内衰减，哪些在季度内衰减。
阅读更多 →细分向量
Bi-temporal 回答事实何时为真。细分向量回答对谁为真。关于某品牌的表层声明，今天对第四层客户可能为真，今天在第二层可能存在争议，而在 2023 年对第一层为真。同一机制使一个语料库能够在规模上服务目录中的每个品牌合作伙伴，且彼此之间不会发生数据泄露。
阅读更多 →Refresh 经济学
数据陈旧性是事实生命周期中经过校准的属性。衰减函数结合了显著性、时近性、相互矛盾的证据以及按维度的半衰期。仪表板将陈旧性时钟呈现给运营商，Refresh 层将该信号转化为商业事件。
阅读更多 →本页有意不涵盖的内容
工程源头文档