步驟 1
文件庫
上傳歷史文本，系統將自動建構知識圖譜與 RAG 索引。建構完成後即可進行情境探索。
ℹ
支援格式：PDF、DOCX、TXT · 系統使用 spaCy + GLiNER 做實體抽取，Kuzu 建構知識圖譜，Qdrant 建立向量索引 · 所有處理在本地後端進行
拖曳文件至此，或點擊選擇
支援批次上傳，建議每個專案上傳同主題的歷史文本
PDF
DOCX
TXT
MD
2022_taiwan_strait_assessment.pdf
已索引
us_japan_korea_coordination_2022.pdf
已索引
media_framing_analysis_2022.pdf
已索引
economic_impact_scenarios.pdf
處理中 64%
reef_construction_satellite_analysis.pdf
排隊中
incident_log_2014_2023.pdf
排隊中
實體抽取 GLiNER
78%
知識圖譜 Kuzu
65%
向量索引 Qdrant
82%
主題建模 BERTopic
40%
因果抽取 MAVEN-ERE
等待中
步驟 2
情境探索
系統從知識圖譜中自動萃取相關情境。選擇一個進入情報分析。
ℹ
技術來源：情境由 BERTopic 主題聚類 + Kuzu 實體關係查詢自動生成，不依賴 LLM 推測 · 點擊 [產出情境] 重新從文件庫查詢
相關情境（6 個文件 · 23 筆關聯主題）
⚓
南海艦隊集結與走廊封鎖風險
軍事18 來源
📡
媒體敘事分化與輿論操控情境
資訊12 來源
🤝
盟國協調失靈與多邊壓力情境
外交9 來源
🏝
島礁擴建加速與戰略佈局升級
基礎設施14 來源
📦
經濟制裁升級與供應鏈中斷
經濟7 來源
🔐
網路攻擊與基礎設施癱瘓風險
網路6 來源
步驟 3
情報分析
BERTopic 主題分析 · 點擊格子展開五維量化。各維度數字來自對應模型輸出，非 LLM 生成。
情境：南海艦隊集結與走廊封鎖風險 · 23 筆相關文本
面積 = BERTopic 主題權重 · 底部 bar = 立場分布（綠支持 · 紅反對）· 點格子展開詳情
主題
選擇左側主題格
點擊 Treemap 格子查看量化分析
步驟 4
COA 分析
在 LET 主圖上為每個 COA 選取路徑，每條路徑就是一個行動方案。路徑分叉點自動標為決定點（DP）。
時間 DAG
單向影響
雙向影響
決定點 DP
Graph v1
等待路徑...
路徑邊 × 歷史因果對 · 語意相似度
每條角色路徑的邊 embed 成向量，與 MAVEN-ERE 抽出的所有因果對計算 cosine similarity，取 Top-K 平均作為支撐強度。完全語意計算，不依賴關鍵字比對。
sentence-transformers · encode(src→tgt)
cosine similarity 矩陣
MAVEN-ERE 因果對
GPU 矩陣 <5ms
各角色路徑邊的語意支撐強度分布
每條邊 = encode(src + " → " + tgt)，與所有歷史因果對計算 cosine sim，取 Top-5 平均
相似度分布直方圖（所有路徑邊）
X 軸 = cosine similarity，Y 軸 = 邊數量。紅色虛線 = 低支撐閾值（0.3）
步驟 5
決策
選擇行動方案並記錄理由。點 [批准] 觸發執行追蹤建立與決策日誌寫入。
選擇方案
決策理由 *
COA A · 外交優先 78%
低風險 · 30天 · 盟國支持高
COA B · 軍事威懾 51%
高風險 · 7天
COA C · 混合策略 84%
中風險 · 14天 · AI 推薦
歷史參照（RAG）
決策日誌
2022 台海軍演89%
國防戰略評估 2022-08
混合策略14天促使撤離，無直接衝突。
2016 南海仲裁後74%
區域安全分析 2016-10
純外交盟國協調不足，混合策略第3週出現轉機。
14:32
CONCORDIA 推薦 COA C
信心度 84% · 23 案例
14:20
BERTopic 分析完成
5 主題 · 最高權重 34%
14:10
文件索引完成
6 文件 · Qdrant
步驟 6
執行追蹤
COA C 批准後建立。點 [更新狀態] 同步最新進度。
✓
COA C · 混合策略 已批准
2026-10-01 14:47
行動清單
KPI 追蹤
外交管道響應率
45%
目標 >70%
盟國協調進度
60%
目標 >80%
媒體敘事收斂
30%
目標 >60%
對方艦隊後退
10%
目標 100%
回滾條件
利害關係人
切換至 COA B
外交管道 72h 無響應且艦隊繼續推進
升級指揮層
盟國立場分歧，美方態度軟化
提前結束
對方主動撤離 + 外交磋商開啟
步驟 7
知識回饋
記錄實際結果，點 [提交回饋] 觸發 RAG 索引更新與 BERTopic 語料庫追加。
ℹ
提交後系統將使用 Qdrant 更新向量索引、Kuzu 更新因果邊權重、BERTopic 重新訓練 · 過程約 3–5 分鐘
最終結果
實際週期
關鍵轉折點
推演差異說明
回寫設定
將本次結果標注至 RAG 索引 Qdrant
更新知識圖譜因果邊權重 Kuzu
新增案例至主題語料庫 BERTopic
覆寫推演信心度（謹慎）
推演 vs 實際
79%
過去 12 次累積準確率
本次誤差提前 3天
回饋後同類情境推演信心度預計從 84% → 88%