SEGRA：面向属性图问答的结构化经验引导推理智能体

企业IT支持知识图谱刻画了案例、用户、设备、症状、分类类别、根因与历史解决方案之间丰富的关系。然而用Gremlin查询它们需要掌握图模式、遍历语义、边方向以及属性图特有的约束，非专业运维人员难以使用。我们提出SEGRA，一个面向企业text-to-Gremlin问答的经验引导智能体。SEGRA集成了意图路由、以模式和分类体系为依据的查询生成、多轮分解、执行感知验证，以及可复用已验证查询模式的课程引导技能库。在企业IT支持基准上，SEGRA的平均评审得分比仅用骨干模型的思维链提示高$7.0\times$。其技能库相较无技能版SEGRA进一步将LLM调用减少$20\%$、美元成本降低$18\%$，同时保持答案质量。这些结果表明，以图模式为依据的智能体设计与可复用的执行经验能够同时提升企业图问答的准确率与效率。