# 第2章：核心架构设计

Aegis-Graph 并非一个简单的数据库，而是一个基于 **智能体图谱 RAG (Agentic GraphRAG)** 的分布式证据核验协议。其架构设计遵循“深度防御”原则。

## 🏗️ 架构三层模型

### 1. 证据摄取层 (Evidence Ingestion Layer)

负责提取数字凭证中的元数据。该层利用 AI 对 PDF 和图像进行初步解析，提取签发机构、日期及学术内容。

### 2. 证据推理层 (Evidence Reasoning Layer)

这是协议的核心。**多智能体推理群 (MARS)** 针对摄取的证据执行并行审计。不同智能体从视觉、图谱和逻辑三个维度进行交叉验证。

### 3. 审计报告层 (Audit Reporting Layer)

核验结果通过共识后，将生成审计报告。在生产环境中，该报告应包含加密签名，以确保核验路径的不可篡改性和可追溯性。

***

## 🧩 关键技术：Agentic GraphRAG

Aegis-Graph 结合了 **图谱证据模型 (Graph Evidence Model)** 和 **智能体推理 (Agentic Reasoning)**：

* **动态图谱**：整合 ROR、OpenAlex 等全球公开数据，构建实时的机构证据地图。
* **智能体导航**：智能体在图谱中寻找关联证据（如机构状态、历史记录），为逻辑审计提供背景支持。

***

> \[!IMPORTANT] **生产状态说明：** 专业核验需要服务端文档解析、发行方证据检查、撤销检查以及签名的审计响应。

***

*返回* [*文档首页*](/atlanta-college-of-liberal-arts-and-sciences/zhong-wen-zh/zh.md)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://atlanta-college-of-liberal-arts.gitbook.io/atlanta-college-of-liberal-arts-and-sciences/zhong-wen-zh/chapter2.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.