P4 Gotham

行业场景：五类实战打法

同一套 Gotham 能力，在不同行业有不同的打法：反洗钱盯资金流、竞品分析构关系图谱、内审找围标网络、经侦抓传销上下线、最后都汇成一份支撑决策的简报。看完这 5 个故事，你就明白“数据接入 → 图谱分析 → 模式识别 → 报告交付”这条通用路径怎么在各自业务里落地。

情报分析师风控分析师内审专员经侦民警反洗钱决策简报共 5 个故事

能 / 不能速览

✅ 这个主题能做

多源接入：融合源（manual / 数据源）落库后入图，实体带 org / role / amount 等属性
图谱分析：图工作台展开邻居、看 member_of / transferred_to / shipped_to 等关系
模式识别：frequency / anomaly 规则把"金额超 10 万""30 天 3 起 incident"变成自动检测
报告交付：POST /reports/generate 一键出简报，发布后导出 HTML / PDF / DOCX
多视图联动：图、地图、时间轴交叉分析，把"资金 + 地点 + 时间"串成一条线

⛔ 这个主题做不了

行业演示用的是演示数据规模（10 节点 / 5 条人员 / 9 条事件），壳公司、传销层级等业务量级需接入真实数据
图分析接口（expand / path / centrality / community）仅管理员角色可执行，分析师走图工作台可视化
Louvain 是简化版，社群发现以连通分量为准；未接 Neo4j / NebulaGraph 等真实图库
实体解析 AI 增强关闭，同名 / 谐音合并靠规则层，不依赖大模型
Elasticsearch 检索、Kafka 消息流属 V2 未实现；协同工作流（项目/任务/评论/通知）已实现，见"协同作战"主题

适用角色

本主题覆盖四类业务角色：

风控分析师：反洗钱资金流核查、异常交易建模，输出 STR 可疑交易报告。
情报分析师：商业竞品情报与竞品关系图谱，把公开数据织成网络。
内审专员：采购 / 供应商围标核查，从通讯录与供应商数据里找隐蔽关联。
经侦民警：传销案件上下线网络、资金流向与关键节点定位。

决策者消费最终简报做行动决策；平台管理员负责数据接入与权限策略。

能力速览（能做什么）

多源接入 + 融合

fusion 源注册与 Ingest：人员情报带 org / role / amount 属性，落库后入图，演示用 gotham_demo_personnel 5 条人员记录。

图谱关系分析

图工作台看 person / org / ship 节点与 member_of / transferred_to / shipped_to / associated_with 关系，资金边带 weight 与 amount。

模式识别盯异常

frequency 盯事件频次、anomaly 盯金额阈值，命中进列表，确认 / 处置闭环。

时空交叉分析

地图要素（北京 / 上海 / 广州 / 青岛 / 深圳 + 航线）与时间轴 9 条事件联动，资金、地点、时间一次串起。

报告交付决策

POST /reports/generate 从真实数据生成简报，发布后导出 HTML / PDF / DOCX，直接支撑行动决策。

团队协作

建行业专项项目、按角色分成员、任务看板盯进度、评论 @同事、共享视图恢复分析现场——分析结论可团队化推进。

调整指南（怎么调整）

改数据来源：行业场景先接自己的数据——供应商工商信息、银行流水、通讯录都可以作为融合源注册，映射好 entity_id / name / org / role / amount 即可入图。
改分析口径：反洗钱把 anomaly 阈值调到业务标准（如单笔超 50 万）；内审用 frequency 盯异常采购频次；竞品分析多展开几层邻居看隐蔽关联。
改盯守重点：模式规则按业务风险定 severity；资金异常、事件集中爆发两类命中分开处置，避免混在一起优先级不清。
改报告产出：generate 的 sections 决定简报结构——entity 节出实体与事件摘要，incident 节出事件明细与空间聚合；交付前补研判结论并发布。
改权限口径：机密资源（玄武集团 secret）按 ABAC 策略隔离，行业报告要标注密级，导出走受控路径。

做得好的场景

行业场景的共同点是"数据碎片化、关系隐蔽、要出结论"，正好是 Gotham 的强项：

关系网络可视化：谁和谁有关、资金流向哪里，一张图讲清，替代 10 张表格来回对。
异常自动发现：金额超阈值、事件连发都交给规则，人只做确认与处置。
分析即证据：多视图联动 + 模式命中 + 报告导出，每一步都可回溯，支撑审计与司法移交。
一份报告两种用途：内部研判看 HTML，正式签发看 PDF，法务 / 案卷二次编辑用 DOCX。

限制与不足

以下是明确的边界，使用前先知道：

演示规模有限：当前演示图 10 节点 8 边、人员 5 条、事件 9 条；围标 7 壳、传销层级等业务量级需接入真实数据才有分析价值。
图分析仅管理员：expand / path / centrality / community 接口加管理员中间件，普通分析师走图工作台可视化，不能直接调算法 API。
简化算法：Louvain 是简化版，社群发现以 union-find 连通分量为准；未接 Neo4j / NebulaGraph。
实体解析无 AI：AI 增强关闭，同名 / 谐音合并靠规则层；复杂实体消解依赖业务规则配置。
V2 能力未实现：Elasticsearch 全文检索、Kafka 消息流、RLS 数据级过滤串联均属 V2；协同工作流（项目/任务/评论/通知/共享视图）已实现，可建行业专项项目组织协作。

场景故事

故事 1 金融反洗钱：异常资金流 + 多层嵌套账户图分析，出 STR 可疑交易报告

场景：反洗钱 STR 角色：风控分析师耗时：约 20 分钟

背景: 风控小何在某商业银行反洗钱中心负责可疑交易监测。2026 年 7 月 12 日，天河贸易账户出现一笔单笔 50 万的大额划转（transferred_to，来自玄武集团），结合张远名下 20 万资金属性，她要在 Gotham 里把这笔资金的关联网络和异常特征梳理出来，产出 STR 可疑交易报告。

传统做法对比: 以前可疑交易靠名单比对 + 手工查流水：一个可疑账户的交易对手要一张张表翻，追 3 层就要 2~3 天，客户经理排班等人力成本约 1500 元 / 笔。现在图分析 + 规则命中几分钟出线索。

角色: 风控分析师（风控小何），用图工作台展开资金流、用 anomaly 规则扫大额资金、用报告模块出 STR。

操作步骤

图工作台展开玄武集团节点邻居，看 transferred_to 边（→天河贸易，amount=50 万）与 member_of 人员
在模式识别建 anomaly 规则：field=amount、operator=gt、threshold=100000、entity_type=person 并评估
评估命中张远（20 万）、赵敏（12 万），确认异常
POST /reports/generate 生成 STR 简报（entity 节玄武集团 + incident 节近一个月）
补研判结论，发布后导出 PDF 提交反洗钱部门

系统响应: anomaly 评估返回 matched=true、count=2、target_entity_id=gotham_p_001（张远）；报告生成返回报告 id，content 含"关键实体表（玄武集团·机密 / 天河贸易·内部）""重点事件表（7-12 天河大宗交易）"与模式命中表。

结果洞察: 资金链路清晰：玄武集团 →（transferred_to 50 万）→ 天河贸易 →（shipped_to）→ 泰和轮，人员层张远 / 李四挂在玄武集团。STR 报告把"大额划转 + 高资金属性人员 + 船舶关联"三要素写全，反洗钱部门据此启动尽职调查。

调整建议: 把 anomaly 阈值调到监管口径（如单笔 50 万）再评估一遍；用多视图联动把地图（上海货栈）与时间轴（7-12 交易）串起来佐证；STR 报告标注密级后按 ABAC 受控路径分发。

动手试一试: 登录：admin / admin1。页面路径：图工作台 → 模式识别 → 情报报告。输入内容：anomaly 规则 amount>100000 评估；POST /reports/generate 出 STR 简报。预期结果：命中张远 / 赵敏，报告含资金关联实体与 7-12 大宗交易事件。

限制提示: 演示金额是 seed 数据（50 万转账、20 万人员属性），真实 STR 需接银行流水数据源；图分析接口仅管理员可调，分析师用图工作台可视化；多层嵌套账户的超长链路受 expand 深度限制。

故事 2 商业竞品分析：接入工商 / 专利 / 招聘数据，构建天河贸易等竞争对手关系图谱

场景：竞品情报角色：情报分析师耗时：约 30 分钟

背景: 苏分析师在玄武集团战略部做竞品情报。2026 年 7 月她要把天河贸易、青龙航运两家竞品（以及背后的玄武集团关联）织成一张"企业关系图谱"，判断是否存在隐蔽资本关联。她把公开的工商、专利、招聘数据整理后作为融合源接入。

传统做法对比: 以前竞品情报靠天眼查一条条手动查 + Excel 拼关系表，两家竞品 × 五个维度要 1~2 天；查到"玄武集团→天河贸易 50 万转账"这种边，要在十几页报表里翻。现在接入即入图，一条边一眼看见。

角色: 情报分析师（苏分析师），注册融合源、Ingest 人员情报、图工作台构建企业关系图谱。

操作步骤

在"多源接入"创建数据源 gotham_demo_personnel（manual，预置 5 条人员情报）
映射 entity_id / name / org / role / amount 后 Ingest，批次导入成功
图工作台查看企业关系：天河贸易 ↔ 玄武集团（transferred_to 50 万）、青龙航运 → 远航号（operates）
地图视图看落点：上海货栈（天河贸易）、广州港口（青龙航运）
用多视图联动把"企业 + 地点"收窄成一张竞品落位图

系统响应: Ingest 返回批次 imported_records=5；GET /ingestion/entities 列出 5 条融合实体（张远·玄武集团·核心人物·20 万 / 李四·玄武集团·联络人·5 万 / 王敏·青龙航运·船务·8 万 / 吴刚·青龙航运·船长·3 万 / 赵敏·天河贸易·财务·12 万）。

结果洞察: 图谱揭示：天河贸易与玄武集团存在 50 万资金边，青龙航运与玄武集团无直接边但吴刚 / 王敏两名人员归属青龙航运。结合招聘 / 专利维度（人员组织归属），苏分析师判断天河贸易是玄武集团关联资本方，青龙航运是供应链一环，两家竞品"明面上独立、暗地里关联"。

调整建议: 真实竞品分析接入工商 / 专利 / 招聘数据源，映射好 org / role 属性；用 anomaly 规则扫大额人员资金；定期重跑 Ingest 增量，图谱保持新鲜。

动手试一试: 登录：admin / admin1。页面路径：多源接入 → 图工作台。输入内容：查看 gotham_demo_personnel 源的 5 条实体；图工作台展开天河贸易。预期结果：5 条融合实体可见，天河贸易邻边含 transferred_to（50 万）与 shipped_to（泰和轮）。

限制提示: 演示 seed 只有 5 条人员情报与 3 家组织，真实竞品图谱需接入工商 / 专利数据源；实体解析 AI 增强关闭，同名企业合并靠规则层；地图无真实底图，只有要素叠加。

故事 3 企业内审反欺诈：识别 7 个壳公司围标网络

场景：内审反欺诈角色：内审专员耗时：约 40 分钟

背景: 内审专员陈工在玄武集团审计部负责采购专项。他怀疑某次招标存在围标：多个"看起来独立"的供应商其实同一拨人在控制。他把采购订单、供应商工商信息、员工通讯录、财务报销数据整理后接入 Gotham，用图把"7 个壳公司围标网络"的结构还原出来。

传统做法对比: 以前内审用 Excel 把供应商法人、电话、地址三列手工比对，7 家公司两两比对要 21 次，一次专项要 1~2 周；而且"同电话不同公司"这种线索经常被忽略。现在图上一条 associated_with 边就能暴露关联。

角色: 内审专员（陈工），接入供应商数据、图工作台展开关联网络、用模式规则盯异常采购频次。

操作步骤

把供应商 / 采购数据作为融合源接入，映射 org / phone / role 属性
图工作台从疑似核心供应商出发展开邻居，找共用电话 / 地址的节点
识别中心化结构：多个壳公司都挂在同一核心人员 / 组织下（演示中用 member_of / associated_with 边示意）
建 frequency 规则盯异常采购事件频次，评估后确认命中
用报告模块把围标网络结构写成内审报告，发布并导出 PDF

系统响应: 图工作台展开核心供应商后返回关联子图：member_of 边把张远 / 李四挂到玄武集团，associated_with（双向，weight=2）把张远与李四直接相连；地图要素显示广州港口 / 上海货栈等业务落点；模式评估命中后 hit 出现在命中列表。

结果洞察: 围标网络的核心特征被还原：多个"名义独立"的供应商组织共享同一批人员（member_of 边），人员之间又有直接关联（associated_with）。陈工据此锁定中心节点，把 7 个壳公司归为一个利益共同体，审计报告建议取消中标资格并追责。

调整建议: 真实围标核查把"同电话 / 同地址"作为关联键接入并让实体解析规则层自动合并；用连通分量 / 社群视角看壳公司是否同簇；审计报告标注密级走 ABAC 受控分发。

动手试一试: 登录：admin / admin1。页面路径：多源接入 → 图工作台 → 模式识别。输入内容：查看 gotham_demo_personnel 5 条实体；图工作台展开玄武集团。预期结果：member_of 边把张远 / 李四挂到玄武集团，associated_with 边连接两人，构成"人员共管组织"示意。

限制提示: 演示数据没有真正预置 7 个壳公司，围标网络用现有人员 / 组织边示意打法；真实核查需接入供应商工商 + 通讯录数据；实体解析 AI 增强关闭，同电话自动合并需规则层配置。

故事 4 公安经侦（传销案）：上下线网络 + 资金流向 + 关键节点定位

场景：经侦传销角色：经侦民警耗时：约 45 分钟

背景: 周警官在某市经侦支队办理一起传销案。涉案人员的关系、资金流向、活动轨迹散落在银行流水、通话记录、物业登记里。他要用 Gotham 把"上下线网络 + 资金流向 + 关键节点"一次画出来，定位幕后实际控制人。

传统做法对比: 以前传销案靠笔录手工画层级图，几十个成员要画两三天，上下线关系对不上还得重画；资金流向逐笔核对银行流水，一笔笔记账。现在人员关系入图，expand 一层就出上下线结构。

角色: 经侦民警（周警官），图工作台还原上下线网络、多视图联动交叉分析、报告模块出具案件简报。

操作步骤

把涉案人员身份、银行流水、通话记录接入融合源并 Ingest
图工作台展开核心人员（张远）邻居，看 member_of / associated_with 边还原上下线
地图视图看活动范围（北京联络点 / 广州港口 / 青岛锚地），时间轴看组织扩张节奏（7-02 高管会晤、8-11 华北联络点集会）
用多视图联动把"资金 + 地点 + 时间"交叉收窄，定位关键节点
POST /reports/generate 生成案件简报，导出 PDF 提交移送材料

系统响应: 图工作台返回关联子图：玄武集团（org, secret 密级）作为 hub，张远 / 李四以 member_of 边挂入，两人之间 associated_with（weight=2）相连；地图要素"北京联络点"绑定张远（entity_id=graph:person:zhy）；时间轴显示 8-11 华北联络点集会（meeting, 高严重度）也关联张远。

结果洞察: 关键节点浮现：玄武集团是人员汇聚的 hub（张远 / 李四都 member_of），张远同时绑定北京联络点与 8-11 高严重度集会，资金经 transferred_to（50 万）流向天河贸易。周警官据此把玄武集团幕后控制人与张远列为重点侦查对象。

调整建议: 想量化"谁最中心"可让管理员跑 centrality（度中心性）；想看活动节奏把时间轴聚合到日看集会 / 交易密集日；案件简报标注密级，导出 PDF 前验证中文字体。

动手试一试: 登录：admin / admin1。页面路径：多视图联动 → 图工作台 → 情报报告。输入内容：图工作台展开玄武集团；时间轴定位 8-11 华北联络点集会。预期结果：玄武集团 hub + 张远 / 李四 member_of + 张远关联集会与北京联络点。

限制提示: 演示数据规模小，真实传销案需接入涉案人员全部数据源；图分析算法接口仅管理员可执行，民警用图工作台可视化；Louvain 简版社群发现以连通分量为准。

故事 5 情报简报交付决策者：一键出报告支撑行动决策

场景：决策交付角色：情报分析师 + 决策者耗时：约 15 分钟

背景: 8 月 15 日下午玄武集团风控总监要开专题会，讨论是否对天河贸易启动专项核查。苏分析师要把过去一个月的分析成果——关联网络、异常命中、关键事件——浓缩成一份"撑得起决策"的简报，在会前发到决策者手里。

传统做法对比: 以前汇报要提前 1~2 天拼 PPT、截图表、写文字，数据和分析还经常是"两张皮"；现在从分析状态一键生成结构化简报，数据、事件、命中全部来自真实库，交付从 2 天压缩到 15 分钟。

角色: 情报分析师（苏分析师）生成并发布；决策者（风控总监）消费简报并拍板。

操作步骤

POST /reports/generate 生成《玄武集团关联网络情报简报》（entity 节玄武集团 + incident 节近一个月）
补充研判结论（heading + paragraph + kv：评估置信度=高、关注级别=S1）
发布报告 POST /reports/:id/publish，状态转 published
导出 HTML（投屏）与 PDF（签发）分发给决策者

系统响应: 生成返回报告 id；发布返回 {status:"published"}；HTML / PDF 导出成功。报告内容含：关键实体表（玄武集团·机密 / 天河贸易·内部 / 青龙航运·内部 / 泰和轮·内部）、重点事件表（8-15 华南航线异常 / 8-11 华北联络点集会 / 7-25 上海货栈异常）、研判结论与评估置信度 kv。

结果洞察: 风控总监在专题会上凭简报里的三要素拍了板：关联网络存在 50 万资金边（玄武集团→天河贸易）、异常命中 2 条（张远 20 万 / 赵敏 12 万）、近一月事件集中（incident 连发）。简报直接支撑了"对天河贸易启动专项核查"的决策。

调整建议: 决策简报要"结论前置"：研判结论放前面，数据表放后面；关键命中与事件列表控制在一屏；正式签发前用 HTML 预览核对排版，PDF 验证中文渲染后再分发。

动手试一试: 登录：admin / admin1。页面路径：情报报告。输入内容：POST /reports/generate（sections=entity 玄武集团 + incident）→ 编辑研判结论 → 发布 → 导出 HTML / PDF。预期结果：报告含关键实体 / 重点事件 / 研判结论三块，发布后三格式可导出。

限制提示: 报告是结构化 Block 非富文本，复杂版式（图片 / 分栏）不支持；PDF 中文依赖 TTF 字体，无字体退化为 ASCII；嵌入对象（图 / 地图活缩略图）属 V2。

常见问题

行业场景能直接用演示数据演示吗？

可以。演示 seed 提供了图（10 节点 8 边）、人员情报（5 条，带 org / role / amount）、地图（6 要素）、时间轴（9 条事件）、模式规则（2 条）与报告，正好覆盖反洗钱、竞品、内审、经侦四种打法的"缩微版"。真实业务只需把自己的数据源接进来替换演示源。

图分析接口为什么只有管理员能调？

expand / path / centrality / community 属于分析算法接口，服务端加了 adminMiddleware：只有 admin 角色可执行，非 admin 返回 403 AUTHZ_ERROR。普通分析师通过图工作台的可视化操作消费分析能力，不必直接调算法 API。

围标 / 传销的"关键节点"是怎么定位的？

靠三类信号交叉：人员共管（member_of 边把多人挂到同一组织）、资金流向（transferred_to 带金额的边）、事件集中（同一实体关联高严重度会议 / 集会）。可视化上"边数多、金额大、事件密集"的节点就是可疑 hub。需要量化中心度可让管理员跑 centrality。

行业报告能作为正式证据吗？

报告内容全部来自真实数据（图、事件、命中），每步分析可回溯，可作为研判材料。但正式司法 / 审计证据还需结合数据源原始凭证，Gotham 当前不提供电子存证、不可篡改哈希等证据链能力（属 V2）。

这些行业能力有哪些没实现？

实体解析 AI 增强（关闭）、Louvain 简版社群、真实图库（Neo4j / NebulaGraph）、真实底图 / 时序库、Elasticsearch 检索、Kafka 消息流、RLS 数据级过滤串联均未实现或属 V2。协同工作流（项目/任务/评论/通知/共享视图）已实现，行业专项可直接建项目组织协作。当前是"规则 + 统计 + 结构化报告 + 团队协作"的确定性 MVP。

主题小结

一句话：五个行业场景共用同一条路径——"接入数据 → 织关系图 → 定规则盯异常 → 出报告交付决策"。差异只在数据与口径，能力是同一套。记住三个边界：演示规模有限、图算法接口仅管理员、AI 增强与协同流属 V2。会接数据、会看图、会配规则、会出报告，任何行业场景都能用这套打法起步。