Gotham · 情报分析平台
把多源情报融合成一张知识图谱，用图分析、实体解析、时空分析把"线索"变成"证据链"——对标 Palantir Gotham 的情报融合与关联分析能力。本页用场景故事带你认识它擅长什么、怎么调整、边界在哪里。
能 / 不能速览
- 自研知识图谱：节点 / 边 CRUD、力导向可视化、邻居高亮、全图统计
- 图分析四件套：1-3 度展开、最短路径、中心度、社群发现
- 多源接入融合：CSV / JSON / 数据库 / 手工四类源，fingerprint 去重
- 实体解析：四层打分 + 三阈值带 + union-find 聚类，跨源同人归并
- 时空分析：Leaflet 地图 + bbox / 半径查询 + 时间轴桶聚合 + 区域聚合
- 多视图联动、模式识别、情报报告（HTML / PDF / DOCX）、ABAC 访问控制
- 图存储是自研磁盘实现（内存邻接表 + JSON 落盘），未接 Neo4j / NebulaGraph
- 图分析仅 admin 角色可用；展开限 3 度、limit 硬上限 1000
- 实体解析 AI 增强层默认关闭（仅相似度算法）
- 地图未接真实底图服务、时间轴未接真实时序库；半径查询 100km 上限
常见角色
- 情报分析员：核心使用者，浏览图谱、补情报、跑图分析与时空研判。
- 反洗钱分析师：用最短路径 / 中心度还原资金链路，圈定关键枢纽。
- 合规顾问：用实体解析做跨源同人归并与人工审核，保证主体唯一。
- 作战值班员：用区域聚合与时间桶聚合掌握"哪里、哪段时间最热"。
- 平台管理员：ABAC 策略、图分析授权、审计留痕、系统健康。
核心能力（能做什么）
知识图谱底座
自研 GraphStore（内存邻接表 + JSON 落盘）：节点 / 边幂等 CRUD、力导向图、邻居高亮、全图统计，演示 seed 玄武集团关系网开箱即用。
图分析四件套
BFS 展开（1-3 度 + limit 硬校验）、最短路径（无权 BFS）、中心度（degree 三口径 + Brandes 介数近似）、社群（连通分量 + Louvain 简化版）。
多源接入融合
file_csv / file_json / database / manual 四类源，Ingest 真实执行，映射规则变记录为图节点 / 边，fingerprint 去重，批次留痕。
实体解析
四层打分（确定性 / 规则 / 模糊 / AI 灰区）+ 三阈值带（0.90 自动合并 / 0.70-0.90 待审）+ union-find 聚类，代表实体写回图。
时空分析
Leaflet 地图（点 / 线要素、bbox / 半径查询、区域聚合）+ 时间轴（范围查询、day / week / month 桶聚合、事件 CRUD）。
研判闭环
多视图联动（EventBus + SelectionExpr 三态）、模式识别（frequency / anomaly 规则 + 命中处置）、情报报告（HTML / PDF / DOCX 导出）。
快速上手（5 分钟走一圈）
- 启动 Gotham 后端（端口 18083），用 admin / admin1 登录
- 打开图工作台 /gotham，浏览玄武集团关系网络（10 节点 8 边），点击玄武集团看邻居
- 打开地图 /gotham/map 看 6 个地理要素，打开时间轴 /gotham/timeline 看 7-8 月 9 条事件
- 到数据接入 /gotham/ingestion 建一个源跑一次 Ingest，到实体解析 /gotham/resolution 跑一个作业看聚类
- 打开报告 /gotham/reports，从数据生成一份简报并导出 PDF
做得好的场景
- 关系网分钟级成型：演示 seed + 手动补点补边，几分钟搭出一张可浏览的关系网。
- 资金链路算法佐证：最短路径 + 中心度把"感觉有关"变成可引用的链路与榜单。
- 跨源同人自动归并：实体解析四层打分 + 聚类，替代人肉比对 Excel 的数天工作量。
- 时空态势一眼看：地图 + 时间轴 + 聚合统计，把"哪里热、何时密"讲给决策者。
- 研判闭环齐备：多视图联动、模式识别、报告导出、ABAC 管控，一条链走完情报工作流。
与 Palantir Gotham 的价值差异
- 自研图存储，零外部图库：GraphStore 接口 + 内存邻接表 + JSON 落盘，保留下切 Neo4j 的接口路径，演示与试点阶段足够。
- 算法原生实现：BFS 展开 / 最短路 / 中心度 / Louvain 直接用 Go 写在 GraphStore 之上，不依赖图查询语言，减少注入面。
- 治理贯穿：图写操作、解析合并、报告发布全部走授权 + 审计，ABAC 两层模型（RBAC 门 + ABAC 收窄）对齐企业合规。
- 边界诚实：AI 增强层默认关闭、Louvain 为简化版、地图 / 时间轴未接真实底图与时序库——能力范围内做到极致，超范围不伪装。
限制与不足
- 图存储单机：内存邻接表 + JSON 落盘，单机 TB 级上限，未接 Neo4j / NebulaGraph，大图并发能力有限。
- 算法简化 / 近似：Louvain 简化版（迭代 10 轮、社区上限 50）、介数中心度大图采样近似、展开限 3 度 1000 节点。
- AI 层未启用：实体解析 AI 增强默认关闭，仅相似度算法 + 阈值带分流；启用需注入 LLM 网关。
- 时空非实时：Leaflet 静态底图、时间桶聚合为内存 / SQL 计算，未接真实时序库 / 真实地图服务。
- 报告 PDF 为兜底方案：无中文字体时退化为 ASCII，正式排版能力有限。
主题列表
常见问题
Gotham 和 Palantir Gotham 是什么关系？
对标关系：能力方向一致（多源融合、实体解析、知识图谱、时空分析、报告与权限），但实现原则是"单机可落地、浓缩可演示"。图存储自研、算法 Go 原生、不依赖重型图库与分布式基建，演示 / 试点阶段开箱即用。
不会图算法能用 Gotham 吗？
能。浏览图谱、补点补边、空间查询、时间轴过滤都是页面操作；图分析接口只需选中节点、填参数（深度 / 起点终点），算法结果自动在图上高亮，不需要懂 BFS / Dijkstra。
数据能多大规模？
图存储是自研磁盘实现（内存邻接表 + JSON 落盘），单机容量受内存限制（演示级轻松，TB 级是硬上限）；实体、地图、时间轴数据走平台库（PostgreSQL 优先、SQLite 降级）。未接分布式图库。
怎么体验？
启动 Gotham 后端（端口 18083），用 admin / admin1 登录。演示数据自动就绪：10 节点 8 边关系网、5 条人员融合情报、6 个地理要素、9 条时间轴事件、2 条模式规则、1 份报告、3 条 ABAC 策略。建议先看"图谱入门"。
机密数据（classification=secret）有管控吗？
有。ABAC 主题里预置了"分析师禁读机密"策略（deny 一票否决）、"分析师可读内部数据""管理员全量放行"，加上 RBAC 基础门，机密节点的访问与审计全程留痕。