把多源数据融合成一张关系图谱，实体解析把「同一个人的多条记录」归并，再用图算法、时空视图、模式识别找出隐藏关联
情报 / 风控 / 合规 / 经侦 / 反洗钱分析师的深度研判工作台
从传统 BI 的「表-字段」思维切换到「实体-关系」思维——人、地点、事件、组织在图中作为节点，其间的关联作为关系边，更贴近分析师的认知模式。
AI 辅助而非替代人类判断——机器干脏活（分块、比对、打分、聚类），人做最终裁决（灰区人工审核）。
默认是自研磁盘 JSON + 内存邻接表的图存储（gotham.graph.mode=disk）——不依赖外部图数据库，单机就能起，也符合信创离线交付的要求；同时保留了切换到 Neo4j 可选后端的接口路径。
数据接入 → 清洗映射 → 图谱构建 → 分析探索 → 情报报告，全流程在统一平台内完成，不需要在多个工具间切换。
磁盘 JSON 持久化 + 内存邻接表索引，无需外部图数据库
1-3 度展开、最短路径——快速看清目标节点与高风险账户之间隔着几层、经由谁。
识别子图中的关键中介人物与影响力节点——谁在这张关系网里「绕不开」。
Louvain 多层折叠，大图可折叠成社区图再展开；标签传播用于快速划分团伙边界。
按时间窗口切子图看趋势——资金往来的时间节奏与分拆模式，静态图看不出来的东西。
自研图存储适合千万级节点以下的研判场景。如果你需要十亿级的图计算集群，这不是你的工具；但在「部门级 / 行业级研判」这个覆盖大多数政企风控场景的区间里，单机图存储是成本最优的形态。
把「张三 / Zhang San / 张叁」合成一个节点——机器干脏活，人做最终裁决
高置信度的重复记录直接归并，不打扰人。
灰区结果推到人工审核队列——分析师确认或驳回，判断留痕。
同一实体的多条记录聚成一簇后选出主记录，其余作为别名 / 来源保留，不丢信息。
融合与解析前先按指纹去重，防止重复建点污染图谱。
CSV、JSON、数据库直连、手工记录四类源统一接入
CSV / JSON 文件、数据库直连、手工记录——不要求你先做一轮 ETL 才能建图。
异构字段映射到统一模型，清洗规则与质量评估在入图前执行，脏数据不进图谱。
分页拉行 + 外键自动探测建边：关系库里的一行数据直接成为一个节点，外键关系自动成为边。
与 LightFoundry 的对象 / 动作模型共享结构体定义——图谱的节点类型直接复用平台语义，不是另一套孤立的建模。
图谱、地图、时间轴三处联动——框选一处，三处同步
节点-关系网络图，支持展开、折叠、过滤、聚类、路径高亮；节点可下钻到实体详情与来源记录。
地理空间属性叠加在地图上，支持要素展示、框选聚合——把「人在哪」这一维拉进研判。
事件按时间排列，支持缩放与时间窗口切片——看资金往来的先后顺序与节奏，而不只是一张静态关系网。
框选一处、三处同步过滤——这是情报分析师的核心工作范式，也是「全景态势感知」的具体体验。
从「发现」到「确认」再到「处置」，最后产出可分发的情报
覆盖频次异常、金额异常、时间聚集、路径特征等常见可疑模式，命中后进入统一告警队列。
同一线索的重复告警被归并打分，分析师看到的是排序后的事件，而不是一堆噪音。
从真实数据生成结构化简报，可嵌入图谱快照；导出 HTML / PDF / DOCX 分发给决策者或附在监管上报材料里。
研判过程的每一步操作都有审计——未来监管问询时，每一步判断都有据可查。
情报工作是团队作业，权限也必须精确到属性
按案件 / 专题组织图谱与线索，团队共享研判上下文，而不是各存各的截图。
多人同时研判同一张图，操作实时同步，避免「你看到的版本和我看到的不一样」。
在 RBAC 之上叠加主体 / 资源 / 操作 / 环境四类属性的授权判定，拒绝一票否决。图分析接口默认只对管理员开放，业务分析员要单独开只读浏览权限。
支持边缘 / 断网环境部署——图算法是本地计算，断网不影响研判；数据不出域。
敏感字段除 PII 标记自动脱敏外，还可用安全标记（markings）再收一层——没有对应标记权限的人，字段根本不出现在结果里。
覆盖从金融合规到公共安全的高风险复杂场景
可疑交易线索研判、关联网络分析、资金链路还原，一键生成 STR 上报材料。
关联交易检测、围标排查、异常行为识别——社群发现加模式规则替代人工比对。
供应链风险传导、竞品关系网络、市场态势洞察，整合公开信息与内部数据。
案件调查、人员关系网络、时空轨迹分析，多维联动还原事件全貌。
也可浏览 LightGotham 界面介绍 或 场景故事站；Gotham 的图谱研判建立在 Foundry 的统一语义之上，参见 。
