Knowledge graph AI agent para product docs e suporte

• Um knowledge graph AI agent é útil quando a resposta depende de relações entre docs: product area, feature, plan rule, integration, owner, exception e latest release.
• GraphRAG é a linguagem de busca para essa dor, mas o trabalho do produto é mais simples: selected sources viram searchable graph artifacts que o agent consulta antes de responder.
• O agent ainda precisa de boundaries. Se source material está missing ou stale, ele deve dizer isso em vez de adivinhar.

O caminho útil é source setup, graph build, search tool, safe live checks, access e testing.

1. 01
   Selecione o source set.

   Escolha product docs, changelogs, pricing rules, integration guides, examples e policies que o agent pode usar.

2. 02
   Construa o knowledge graph.

   O Prostir usa ManagedCode.MarkdownLd.Kb para produzir graph artifacts Markdown-LD e JSON-LD a partir de supported source documents.

3. 03
   Ative `knowledge_search`.

   O published agent busca graph nodes, source names, headings e relationships em vez de colar raw chunks em todo prompt.

4. 04
   Adicione controlled tools.

   Exponha só narrow live checks como status lookup, plan lookup, integration availability ou support handoff.

5. 05
   Defina access e publique.

   Publique um hosted agent com public, protected ou paid access rules e teste real customer questions antes de compartilhar.

O graph deve começar com approved sources, não com todo o company drive.

Uma support question atravessa docs, release notes, plan rules e um live check.

• Um knowledge graph AI agent não é só um chatbot sobre uma folder. É um hosted agent com selected sources, graph artifacts Markdown-LD/JSON-LD, `knowledge_search`, controlled tools e access rules.
• Knowledge graph RAG é útil quando questions cruzam document boundaries, mas perguntas simples devem continuar simples e source-backed.
• O Prostir mantém graph build, endpoint, source refresh, tool boundaries, auth, quotas e paid access ligados ao mesmo published agent.