• 幻觉一本正经地编造不存在的事实
• 不可控同一个问题问两次，推理路径可能南辕北辙
• 不可审计出了事，没法回答"当初为什么放行"

行业的解法出奇一致：给 AI 套一个"语义笼子"

工程语境下的本体论，不再是哲学追问，而是一件很具体的事——领域的语义 Schema。一个电商风控本体至少显式写清三样东西：

• 概念：什么是"用户"、"风险"、"订单"
• 关系：用户 → 下单 → 订单
• 规则：金额 > 10 万的订单，必须走风控审批

四大要素

• 类 Class领域核心概念：Person、Disease、Drug——类似 OOP 的"类"或数据库的"表"
• 属性 Property数据属性（hasAge）描述特征；对象属性（treats）连接不同类
• 约束基数（恰好两个亲生父母）、值域（年龄 > 0）、不相交（Man 与 Woman 无交集）
• 推理规则OWL 的灵魂。声明 hasParent 传递，或写 SWRL 规则，推理机（HermiT、Pellet）扫描全库自动推导新关系

hasParent(?x,?y) ∧ hasParent(?y,?z) → hasGrandparent(?x,?z)

一个常被忽略的设计前提

• 开放世界假设（OWA）：没写进知识库的信息不算"假"，只算"未知"——擅长在不完备知识上推导，却让"校验数据合不合规"变得别扭
• 为此 W3C 专门制定 SHACL：封闭世界、验证导向，专管"数据长得对不对"。一个管推理、一个管验证——经典本体栈里，"描述"和"约束执行"从来是两套分开的机制
• 自上而下、专家主导：领域专家出概念规则，知识工程师翻译成 OWL；追求"小而精"
• 代价：构建成本极高、维护困难、海量动态数据扩展性差——所以 GO 基因本体、SNOMED CT 临床术语这类行业标准用它，很少有人拿它扛线上业务

对现实的不完备性极度宽容

• 弱约束不强制所有"人物"都填"出生日期"，否则数据根本进不来
• 允许缺失刚上映的电影，可以暂时没有"总票房"
• 容忍矛盾百科 A 说生于 1900、百科 B 说 1901——同时收下，留待后续融合

构建与推理都和 OWL 相反

• 自下而上、自动抽取：NLP 从海量文本抽实体关系（信息抽取）→ 对齐已有知识库（实体链接）→ 归纳类型体系（Schema 归纳）
• 数据驱动的统计推理，不追求逻辑必然：路径排序（PRA）、图嵌入（KGE，核心假设 h + r ≈ t）、简单传递规则——都是"大概率成立"而非"逻辑上必然"
• 追求"大而全"：覆盖海量实体、毫秒级关联检索。Google 知识图谱、电商推荐、智能问答背后都是它

• 类型≠实例对象类型是纯元数据不含数据值——Airport 是类型，JFK 是实例；link type 是关系模式，link 是"Melissa Chang → Acme, Inc."这一条（官方类比：两数据集 join 后的单行）
• 共享属性"创建时间/状态/优先级"集中定义、多处引用，改一处全体同步——DRY 在类型系统层的落实
• 接口按能力切分的契约：Inspectable、SchedulableResource——面向接口写的调度流无需修改就适用于会议室、场馆、车辆（组合优于深层继承）。接口可定义 Action，但只能改共享属性，且任何 Action 都不允许改主键
• 值类型把 string 包装成"电子邮件地址/UUID"并附约束——"年龄>0"变成可复用资产
• 自反关系Employee 上"直接下属 ↔ 经理"——组织层级、BOM 父子件全靠它

"活"不是魔法，是管道

• 每个对象类型挂支撑数据源：批管道 / 流管道（低延迟）/ 直连；多对多链接的数据源挂在链接类型自身上
• 增量索引（OSv2 默认开启）只处理变更——"底层一变、模型即时反映"的工程含义
• 安全是类型系统的一部分：MDO 多数据源对象（列式像 join：联系方式来自公开目录、薪资来自受控 HR 库，属性级切开；行式像 union：各区域供各的行）；受限视图做行级权限并继承到对象实例——代价：严格只读、不能作下游输入、禁止外同步

于是业务人员能直接问："过去 24 小时内，状态为'待维修'且位于'上海工厂'的设备的平均振动值"——系统自动解析对象、条件、聚合。

管四件事

• 本体迭代据数据/反馈/业务变更自动或半自动更新语义层——发现高频搜索某"长尾"字段，建议转成标准属性
• 动作优化发现 90% 审批同一角色通过 → 建议"自动批准"；高频失败动作做根因分析
• 规则演化从历史数据挖新规律生成预警规则、按季节动态调阈值
• 兼容性保障命脉所在：版本共存、自动迁移、弃用警告、灰度发布

听着像愿景？产品里有具体对应物

• Global Branching 管结构演化：Schema 变更（新增对象类型、改属性定义）先开分支、隔离测试、验证后合并主干，零停机；互补的"本体场景（Scenarios）"管数据层面的沙盘推演
• Schema 迁移：OSv2 支持破坏性变更后，把存量用户编辑迁移过去而不是丢弃
• 版本化记录"语义状态"而非行级快照：关系的建立与解除、实体身份的合并与拆分、置信度更新。国防本体里每条断言带 1–5 级标准化置信度 + 来源系统 + 报告位置与时间戳——所以能"回到任意时点，看当时知道什么"，这是决策回溯与审计合规的根基

• 确定性匹配靠身份证号、工号等唯一 ID 精准匹配——准确率 100%，但覆盖不了没有统一 ID 的长尾数据
• 概率性匹配没有唯一 ID 时，分析姓名、地址、电话的相似度（TF-IDF、余弦相似度、随机森林），算出"是否同一实体"的置信度得分——补上确定性匹配的盲区
• 幸存者规则同一实体信息冲突时的仲裁逻辑（如"以最近更新的系统为准"），确定最终黄金记录

国防场景里更进一步

• 多数据源对象把社交媒体账号、海关护照号、企业注册记录合并成同一个 Person
• 每条断言带 1–5 级置信度和完整溯源（来源系统、位置、时间戳）
• 统一对象保留全部来源链接——受制裁实体横跨司法辖区与语言的空壳公司网络，就是这样被自动浮出水面的

• ① 结构化检索经 OSS 拿到类型化对象、确定性属性值、显式关系边——不是相似度排名的文本片段
• ② Schema+权限约束检索结果受本体 Schema 和调用者权限裁剪。"检回三年前已废弃的提案当最新方案用"这类 RAG 经典事故被结构性消除
• ③ 确定性工具调用数学和优化不让 LLM 硬算：AIP Logic 识别出子任务，经本体函数调 NVIDIA cuOpt（供应链优化）、Prophet（时序预测），只把验证过的输出交回 LLM 做语言合成。LLM 从"全能推理器"重新定位为"协调器"：任务分解、工具编排、结果解释
• ④ 完整溯源每次推理可回溯到具体对象、属性与关系边——答案不是"模型觉得"，而是"依据在此"

• AIP Logic低代码 LLM 函数编排器。输入本体对象或字符串，输出对象或本体编辑；写回两档——自动应用 或 暂存待人工审核；可由 Automate 定时/事件驱动
• AIP Evals把非确定性系统拉回工程纪律：同一提示跑数百次做统计评估，用生产实际数据测边缘情况；内置精确匹配/正则/Levenshtein 评估器，复杂判断用 LLM-as-a-Judge 按标准打 1–5 分；追踪多次执行的方差——方差高说明提示或标准不稳定，不许上生产
• Agent Studio配置多个专业化 copilot 组成协调网络，以本体为安全的共享交换媒介，每个 Agent 有自己的领域知识和操作权限
• 对象监视器持续评估对象状态（库存低于阈值、生命体征异常），条件满足即自动触发通知与动作——"动词"体系里的哨兵

Agent 权限没有另起炉灶

• 从人类用户或项目的权限结构继承：数据访问受与人类相同的安全策略管控
• 可调用的逻辑资产受权限约束，行动范围可精确限定，全部活动进遥测日志
• 官方对 Data–Logic–Action–Security 四重集成的量级描述：实时协调数万名人类与 Agent 的细粒度策略

从增强到自动化：一个刻度盘，不是一个开关

Tampa General 医院三级递进：L1 数据协调（"患者-房间-床位"统一运营孪生）→ L2 语言接口（OAG 自然语言查实时状态）→ L3 自主 Agent（监控、起草、协调、告警——只把最终批准留给人）。配套哲学是"默认暂存"：动作默认暂存移交人类终审；随日志与运营数据积累，组织再挑受信任、经充分测试的流程放开自动闭环——自主权范围动态扩缩，变更即时生效。

锁定不是合同条款，是架构性质（三层）

• 本体无法脱离 Foundry 独立运行——没有导出后另起炉灶的机制
• 数据必须经 Funnel 物化集成——不能只是"引用"
• 不同本体实例之间无法建立链接——联邦化部署里，供应链本体的"供应商"连不上财务本体的"应付账款"

三句诚实的话

• Hacker News 上"这不过是面向对象编程"的嘲讽反而点破要害——价值不在理论新颖，在执行深度
• 本体上线不是终点而是起点：模型随业务漂移，一次变更会级联影响应用、函数、API 和 Agent——本体上线之日，才是治理开始之时
• 它不是银弹：很多场景下，轻量 Schema 加提示词工程反而更划算。跳出来看清整头象，才不会把某一条腿当成大象本身