为增强历史文档间的实体关联与关系发现能力，研究人员探索了利用知识图谱技术构建基于美国建国时期文献的 AI 辅助研究工具。该项目旨在解决如何利用 AI 工具分析美国建国时期（1760-1810）的历史文献时，确保回答严格基于真实档案数据以避免“幻觉”，同时又能有效连接不同时间段的相关文档。
该工具的开发过程涉及多个技术和方法论的结合。研究团队利用了图书馆的应用程序编程接口（APIs）以及来自“革命十字路口”（Revolution Crossroads）等其他项目提供的、关于美国建国时期的历史新报数据（覆盖 1770-1810 年）。同时，他们也整合了其他数据源，例如国会.gov API 提供的 1789-1875 年间的法案记录。
为实现深度和上下文理解，团队采用了包括图谱RAG（GraphRAG）处理在内的技术方法。这种方法的核心在于，它不仅能通过文本搜索提取实体（如人物、地点和概念），还能利用知识图谱来追踪和映射这些实体之间的关系。有研究人员指出，使用 Neptune Analytics 创建知识图谱而非仅仅进行向量搜索，是实现“让聊天机器人连接跨越不同时间段的相关文档”的关键转折点。
这种基于知识图谱的架构，使得工具能够构建连接历史事件、立法和人物的知识网络，从而超越了传统向量搜索的局限性。此外，为了提升用户体验和可信度，该原型工具还集成了源引用，并提供了指向原始文档的链接，确保了所有分析和回答都锚定在真实的档案证据之上，从而有效避免了生成虚假信息。最终，该系统还考虑了用户角色差异，设计了用户画像功能，以定制响应风格，提升了研究的流畅性和可信赖性。