用图数据库做房产尽调Agent：隐藏风险检出率81%

如果你看过班加罗尔的新楼盘宣传册，你会熟悉那套话术：效果图、会所、“RERA认证”、开盘优惠。看不到的是背后那些人的历史。开发商通常为每个项目注册新公司——这合法且常见，但也意味着一个全新、清白记录的公司，可能由同一批董事运营，而他们上一家公司已经破产，留下购房者面对半建成的楼。地块的前任所有者可能深陷产权诉讼，承包商可能在另外三个工地已经延期两年。

这些信息并不隐蔽，它们存在于RERA备案、公司记录、法院记录和土地记录中，只是从未被连接起来呈现给购房者。一个名为Khoj的开源项目试图解决这个问题：它不依赖单一记录，而是把“谁和谁有关”建成图，用图算法沿着关系路径计算风险分。在200个表面干净、实则暗藏风险的测试项目上，只看项目自身记录的方法检出率为0%，而Khoj的图方法检出率达到81%，且零误报。

为什么风险藏在关系里

Khoj作者将尽职调查的核心洞察概括为一句话：“这个项目安全吗？”的答案不在任何单一记录中，而在记录之间的关系里。一个刚开盘的项目可能拥有干净的RERA备案、A-khata土地和零投诉，但它的公司可能与一家正在破产程序中、留下两个烂尾项目的开发商共享两位董事。传统方式下，购房者需要手动翻阅多个数据库才能发现这层关联，而图数据库的天职就是处理这类多跳关系。

知识图谱的建模方式模仿了一位谨慎的房产律师会关注什么：开发商品牌CONTROL公司，个人DIRECTOR_OF公司；公司DEVELOPS项目，项目BUILT_ON地块，地块PREVIOUSLY_OWNED_BY某人；承包商BUILDS项目，审批挂在项目下；投诉AGAINST项目，法院案件INVOLVE土地、公司、个人或承包商。任何单独构成警示信号的实体——烂尾项目、破产公司、待决诉讼、B-khata地块——都被打上:RedFlag标签，附带严重程度和原因。

演示数据是合成但贴近现实的：91个项目、46家公司、100个人，分布在班加罗尔真实区域，固定种子生成，所有名称虚构。作者埋下的典型故事是Skyvista Altura：Sarjapur Road上一个全新开盘，RERA齐全、A-khata土地、零投诉，看起来完美，直到你发现其公司与Northstar Habitats共享两位董事，而后者正在破产程序中，留下两个烂尾项目。

RERA、A-khata、B-khata：RERA是印度《房地产（监管与发展）法》（2016）的简称，要求各邦设立房地产监管机构，开发商须备案项目并披露 promoter、土地权属、审批和施工进度等信息，购房者可据此查询项目合规性。Khata是班加罗尔等地市政税籍登记文件，相当于房产的“税务户口”。A-khata为完全合规、已缴纳土地税且产权清晰的房产，可正常交易和申请贷款；B-khata通常指未完全合规、产权或审批存在瑕疵的房产，交易和贷款受限，因此在尽调中构成警示信号。这些记录是公开的，但分散在不同系统中，正是知识图谱需要连接的数据源。

把路径变成可解释的分数

Khoj的风险分设计目标是“构造上可解释”——每一分背后都有一条路径。对每个项目，一条Cypher查询找出所有最多四跳、通向红色标记的路径，过滤掉经过其他项目的路径，并限制土地所有权边最多使用一次。每条路径贡献其标记的严重程度，按距离和每段关系强度衰减，最终汇总为类似Katz中心性的分数：

K(p) = Σ 路径P: severity(f) · 0.6^(hops−1) · Π 边权重

score = 100 · (1 − e^(−K))

对Skyvista Altura，10条路径加总K=1.87，得分84.6/100。这种设计刻意求和所有路径：与失败开发商共享两位董事的公司，应该比只共享一位的更危险。

教训一：校准要针对全图，而非演示样本

第一版正确识别了Skyvista Altura，但把中位数项目也打到了94分。原因在于承包商和土地聚合商是枢纽节点，路径从项目到承包商、再到另一个项目、再到那个项目的30条投诉，一切看起来都危险。两条结构性规则修复了这个问题：路径不能穿过另一个项目（烂尾项目本身已是红旗，其投诉不应再算到邻居头上）；一条路径最多使用一条土地所有权边（避免土地聚合商把无关项目连在一起）。中位数降到28，干净项目得0分，埋设的故事仍然突出。

Katz中心性是一种基于路径的中心性度量，它不仅考虑节点之间的最短路径，还对所有长度的路径按长度衰减求和，从而衡量节点在整个网络中的影响力。公式通常为 (C_{Katz}(v)=\sum_{k=1}^{\infty}\alpha^k\sum_{u}A^k_{vu})，其中 (\alpha) 是衰减因子，(A) 是邻接矩阵。Khoj 借用这一思想，将项目到红色标记的所有路径按跳数指数衰减后求和，使风险分同时反映直接关联和间接关联，且每条路径可追溯、可解释。

图算法作为Agent工具

购房者该问的两个问题——“这个品牌背后到底是谁？”和“这里有没有连环操盘手？”——直接映射到FalkorDB的内置算法。弱连通分量在董事-公司图上运行，同一分量的公司构成一个隐藏集团，无论它们以什么品牌运营。介数中心性找出桥接不同公司的董事：演示中一个人同时在四个品牌、六块董事会任职，其中两个品牌失败，他在全市场董事中排名第一。

教训二：算法对方向有意见

FalkorDB的介数中心性遵循边方向。作者的边都指向Person → Company，导致没有最短路径“穿过”一个人，所有得分返回零。为每条董事关系添加反向HAS_DIRECTOR边后修复，该问题及最小复现已记录在仓库中。

弱连通分量（Weakly Connected Component）指在有向图中忽略边方向后仍相互连通的节点集合。在董事-公司图上，同一弱连通分量内的公司通过共享董事（无论方向）形成关联集团，可用于发现表面品牌不同、实则由同一批人控制的隐藏集团。介数中心性（Betweenness Centrality）衡量一个节点作为其他节点间最短路径“桥梁”的频率，分数越高，说明该节点越能连接不同群体。在董事网络中，高介数中心性的个人往往是跨多家公司的关键连接者，可能揭示连环操盘手。FalkorDB 等图数据库内置这些算法，可直接作为 Agent 工具调用。

Agent不写Cypher

让模型直接写查询很诱人，但作者没有这么做。Agent获得的是八个手工编写、参数化的工具，通过MCP提供，模型只负责选择工具并填入参数，所有查询只读执行。每个结果还标注答案类型：ANSWERED_WITH_PATH（图中有关系，这是路径）、ANSWERED_FROM_MEMORY（较早发现，附日期）、NOT_IN_GRAPH（无已知连接，但这不等于安全）、UNKNOWN_ENTITY（名称无法解析，不执行查询）。

“Agent提议，代码裁决。”在发现被保存前，一个确定性验证器会从图重新计算分数、按固定规则检查结论，并拒绝任何提及工具从未返回实体的证据。模型自己给出的数字总是被计算值替换。

这种设计把LLM的灵活性和图查询的确定性分开，避免了模型幻觉污染尽职调查结论。

MCP（Model Context Protocol）是一种开放协议，用于标准化大语言模型与外部工具、数据源之间的连接方式。它允许模型以统一接口发现和调用工具，而不必将查询逻辑硬编码在提示词中。在 Khoj 中，MCP 将八个手工编写、参数化的图查询工具暴露给 Agent，模型只负责选择工具和填入参数，所有查询以只读方式执行。这种架构把 LLM 的语义理解能力与图查询的确定性分离，既降低了模型生成错误查询的风险，也便于对工具进行审计和权限控制。

记忆，以及两个通过图协调的Agent

一个每次忘记你预算的尽调助手没有多大用处。FalkorDB在一个实例中可容纳多个图，因此每个购房者拥有独立记忆图，彼此不泄露。记忆图保存偏好及其历史（修改预算会创建新节点SUPERSEDES旧节点）、常设规则（如“总是检查土地产权”）、会话、候选清单和案卷。

系统有两个Agent：Concierge与你对话并拥有记忆，Investigator拥有市场图。它们通过图本身交接：Concierge打开一个Case节点，Investigator向其中写入Finding节点，Concierge再读回。作者最喜欢的时刻是：候选清单里有两个干净项目，然后图中加入市场事件（承包商的破产申请、新的产权诉讼），当你回来时，Khoj在你开口前就打招呼：“Whispering Woods从0变成了52”，并给出确切的新路径。

证明图真的在起作用

“去掉数据库就失效”很容易声称，所以作者做了测量。基准测试向图的副本注入200个新项目，每个表面干净，一半隐藏四种风险模式之一，一半是带陷阱的干净对照（比如与烂尾项目共享区域和银行）。结果中最令人惊讶的一行是：不使用两条结构性规则的消融实验几乎找出所有风险，但误标了93%的干净项目。图很重要，但如何在图上行走同样重要。作者还用纯Python路径枚举重算了每个分数，与FalkorDB结果零不一致。

教训三：让基准测试让你难堪

一个只涉及地块前任所有者的产权诉讼得分略低于阈值，因为模型将其像其他跳数一样衰减。但在财产法中这是错误的：你继承卖方的产权。因此产权链上的跳数现在不衰减。这个改动是在看到基准测试结果后做出的，报告中也如实记录。

下一步与启示

该schema直接映射到真实公共数据源：K-RERA、MCA公司备案、eCourts和Bhoomi土地记录。有了真实结果数据，手工设定的严重程度可以被拟合而非选择。作者的核心结论是：图不只是Agent的存储，它让Agent的答案可核查。当Khoj说“避开”，它展示路径，你可以自己验证。

Khoj已开源，技术栈为FalkorDB、MCP、Streamlit。对于关注AI Agent落地的人来说，这个项目的价值不在于房产领域本身，而在于示范了一种模式：把LLM限制在固定工具集内、用图算法做确定性评分、用验证器拦截幻觉、用路径展示实现可解释性。这套组合拳可以迁移到供应链尽调、投资标的筛查、合规审查等任何“风险藏在关系里”的场景。