今天这篇文章是历史内容重新让AI进行归纳整理，实际核心不仅仅是文章的输出，重点进一步验证我的文章转ppt的Skills技能。最后是输出的完整PPT内容，大家可以参考。

在workBuddy技能市场搜索：consulting-ppt-skills

过去大半年，我把本体论这件事，从哲学一直想到了工程。这一讲是一次阶段性总结，讲的是一条线：从西方哲学的本体论出发，经过抽象建模，遇到 Palantir，琢磨对象行为规则，想通事件驱动的闭环，最后落到本体驱动的 AI 原生应用。

本体不是一张静态的数据模型，而是对象、行为、规则交织而成的动态整体。

整个西方哲学，简单概括就是两大分支：

本体论和认识论。本体论回答"是什么"，认识论回答"我怎么知道"。

本体论关心两件事：宇宙事物的本质构成能不能再抽象，以及事物的类型、规则、规律究竟什么样。早期古希腊这两者是分离的。培根用科学归纳法完善了形式逻辑，康德的十二范畴用逻辑做纽带，才把两支统一起来。我讲深度思考时反复说一句话：深度思考的核心是空间加时间加逻辑。逻辑不能单独存在，它一定依附在事物上，依附在特定的时空里。

一个合同不是一组字段。它会被录入、被审批、被开票、被收款，它在不断产生行为，不断和其他对象发生关系。所以我用 OBR 三个本体来建模。对象本体回答存在什么，行为本体回答能做什么，规则本体回答什么必须成立。四条原则：对象是第一性的；行为必然改变对象状态；规则是不变式，独立成一等公民；对象链本身就是流程。规则为什么要独立？塞进方法里，它既不可见也不可复用。抽出来以后，一条税率合规规则，合同录入能引用，开票录入也能引用。

知识图谱和本体模型不是同义词：

一个在实例层，一个在 Schema 层

。实例层其实不存在单独建模的问题，它只涉及怎么存。第一阶段从现实世界到知识图谱，识别实体、关系、活动，得到一张"有什么、怎么连"的网络。这一步偏归纳、偏经验。第二阶段从图谱到本体，补上行为、规则、事件、场景，把藏在代码里的动态语义显性化。真正难的是第二步。

接下来必须回答一个更现实的问题：它到底解决了什么业务问题。不回答这个，前面所有抽象都是空中楼阁。传统系统分两族：偏事务的 OLTP，比如 CRM、ERP、MES；偏分析的 OLAP，比如数据仓库、BI、数据中台。这两族天生割裂。举个我常举的例子。库存周转理想是一年十二次，现在只有八次。作为管理者，我更想知道，到底是谁的哪个行为导致了下降。传统 BI 答不出来。因为底层只有数据模型，没有行为和规则模型，它只能告诉你结果和计算公式，讲不清来龙去脉。

在数据侧发现的问题、做出的决策，能够动态地写回到业务系统里去。

用供应链中断来讲透它。核心物料交付延误一两个月，在 BI 里只是一个预警，传统做法是通知主管，然后人工分析、人工调整。在本体模型下，这个延误是一个事件，进入消息管道，触发交期承诺检查等规则；模型自身带着调度优化能力，算出延单还是引入新供应商。然后调用回写接口把决策写回去，主管只做审核。这就是本体第一次真正打通了 OLAP 到 OLTP 的路线。

第一种是规则沉没：数据模型躺在数据库里看得见，行为和规则却打包进编译产物，事后想追溯几乎无从下手。第二种是经验在系统外。系统只提供决策之后的录入，替代物料、调货、安全库存这些功能都有，但"什么时候用哪一个"没人写下来。第三种是治理无锚。数据治理必须业务驱动，先有场景才谈得上标准；端到端流程上的断点，背后多半是数据不一致。三件事指向同一个动作：让行为与规则重新可见、可查、可追溯。这才是本体真正的价值。

我的规范走到 V6，是十一个模型：对象、行为、规则、事件、场景、主体、流程、查询统计、界面、映射、接口。

一句话说清职责：对象定义是什么，行为定义做什么，规则定义为什么，主体定义谁能做，场景定义怎么编排，查询定义怎么看。架构上分七层，从 L0 持久化映射一直到 L6 交互入口。主体模型横切一到六层，查询统计做读模型旁路。拆开就要有纪律：约束归对象，规则归规则，编排归场景，查询独立不污染写模型。一条规则被两个以上行为引用，才值得独立出来。

本体建好了，下一个念头更大：

能不能让 AI 从这套语义里，自动派生出可运行的应用

。传统开发的核心摩擦就是翻译损耗。本体恰好是那套比代码更接近业务语义的中间语言。它同时是三样东西：业务建模载体、程序生成基础、推理知识底座。业务专家用自然语言和 AI 对话生成 YAML，不需要编程；AI 读 YAML 生成建表语句、接口骨架、权限策略，每一行代码都带溯源标签。六条原则里最重要的一条叫推理分级：高频确定的逻辑，预编译成规则；大模型只处理低频、高复杂度、需要语义判断的场景。

需求探索-》原型设计-》本体建模-》代码生成

落到实现，从需求到应用只有四步，越级就是给自己埋雷。第一步需求确认。业务专家只说一句，我需要一个合同管理系统，支持开票和收款跟踪；这句话信息密度极低，全是隐含假设。所以引擎不直接生成模型，而是追问：合同有哪些核心属性，一个付款阶段能开几次票，谁有权录入，谁有权关闭。第二步本体建模，生成对象、行为、规则、场景等元文件，用树结构和知识图谱双视图，交业务专家逐条确认。第三步原型只能改界面；这时候提"再加一个审批流程"，必须回退到第一阶段。第四步才是生成代码并持续交付。

这条路怎么走，我比较过三条路线。

A 是从本体直接生成完整源码，语义保真度最高，但权限、工作流、缓存、门户全要自建。

B 是转换导入低代码平台，启动最快。但转换是有损压缩，而且损耗恰好落在最有价值的地方：事件、规则、异常补偿、权限条件没有容器。

C 是把低代码的元数据升级成本体模型，做双引擎运行时。本体即元数据，没有双套维护，可以渐进演进。我选 C。低代码不会消亡，但必须从应用开发平台，重新定位成业务语义基础设施。

数据探索-》本体建模-》指标定义-》场景分析

数据分析这边，我把架构收敛成一个三层公式：确定性计算，加语义锚定，加开放推理。SQL 只负责算数，本体负责把业务语言翻译成数据语言，提供实体、指标口径和业务规则。大模型做模式识别和策略建议，输出必须带置信度、必须可溯源。把这类任务交给大模型不是智能化，而是概率化。

举个真实的探测结果。GMV 从五百二十二万掉到二百五十一万，订单数掉了六成，客单价反而涨了两成多。这是典型的幸存者偏差，只看客单价会得出完全错误的结论。继续下钻，服装类目占比从百分之二十九掉到十一点八。退款率却从十一点八降到一点一，说明售后已经恢复，但占比还在跌，用户信任的恢复有滞后性。

知识库这条线，是从对 RAG 的不满足开始的。向量检索擅长语义相近，但不擅长逻辑相关。问 A 对 C 的影响，它会召回一堆同时提到 A 和 C 的片段，却漏掉 B 是必要条件这一环。缺了骨架，模型只能靠语言直觉去补，补出来就是幻觉。

所以要在 RAG 之上叠加本体层（这个AI理解有问题，实际当前是完全抛弃了传统RAG知识库做法）

：前置当查询规划器，生成子问题和检索计划；后置当质量校验器，校验答案有没有走完整条路径。但有一条边界要说清楚：本体校验通过不等于事实正确，它只表示相对当前本体，答案是完整且一致的。

存量系统怎么办？答案是逆向工程。做之前先划边界：

只逆向业务语义，不追技术实现，具体的类、接口、方法我不关心

。清单是八类：界面、对象、行为、规则、流程、场景、事件、权限。场景最关键，顺序不是拍脑袋定的，是数据依赖关系决定的。采购订单依赖采购立项，采购接收依赖采购订单，场景自然就是立项到订单到接收。八类走完，就得到一套完整 YAML 本体。

讲了这么多，必须回过头泼一盆冷水。本体正在被捧成能包治百病的神话，脱离场景空谈本体，就是水中月、镜中花。我用两条轴来判断：算法能不能提前固定，结果能不能容忍置信度。算法固定又要求精确的，直接写代码，本体几乎无关。真正的主场只有一个：算法不可提前固定，又能容忍一定置信度，需要动态分析和溯因推理。还有几条边界必须记住：它解决不了你的数据质量问题；私有经验不显性化，想靠模型代替专家是瞎扯；它必须持续演进，而且远未被充分验证。

收束一下。我们可能正站在一场软件范式转变的门口，本质上是在弥合三个鸿沟。翻译鸿沟是业务语义到代码实现，表达鸿沟是传统界面到真实意图，适应鸿沟是静态架构到动态演进。撬动它们的杠杆是同一个，本体。

它不是文档，而是可执行的语义规范。

用可评测替代逻辑可判定，用可追溯替代形式化保证，主动接受非确定性，这就是我绕了一大圈得到的结论。

从本体论到本体建模-如何构建可生成可推理的业务语义规范

人工智能

本体是对象、行为、规则交织的动态整体，非静态数据模型。OBR建模统一哲学与工程，规则独立复用。本体打通OLTP-OLAP闭环，实现回写决策。价值在于让行为规则可见可查，AI原生应用从业务语义自动派生，弥合翻译、表达、适应三鸿沟。

数据治理

知识图谱

数据仓库

数据分析

数据库

WorkBuddy 

容器

OLAP

OLTP

让每一个 Agent，都跑在云上

lexiang

weda

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

从本体论到本体建模-如何构建可生成可推理的业务语义规范

从本体论到本体建模-如何构建可生成可推理的业务语义规范

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐