跳到主要内容

企业业务本体与 AI 落地

企业 AI 面临的核心问题,通常不是“模型不知道某个术语”,而是模型缺少一套稳定的业务语境:它不知道当前处理的是哪个对象、对象处于什么状态、哪些规则适用、能够调用什么动作,以及什么时候必须交给人确认。

**企业业务本体(Enterprise Business Ontology)**把对象、关系、规则、动作和权限组织成共同模型,让人和智能体能够围绕同一个业务世界理解、判断和协作。

能力边界

本页介绍的是业务本体驱动的实施方法。DesireCore 通过 AgentFS、记忆与知识图谱、Skills、Workflow、多 Agent、Hook / Policy、审批和回执承接相关资产与执行,但不把这些能力描述为一个独立、封闭的“本体引擎”。具体数据连接、自动化动作和企业治理能力以当前版本、授权范围与正式项目方案为准。

本体不是术语表

术语表只能解释“这个词是什么意思”;面向 AI 落地的业务本体还要回答四类问题:

组成要回答的问题示例
对象与状态业务世界里有什么?现在处于什么状态?设备 A、合同 v3、待审批订单
关系与证据对象怎样关联?结论从哪里来?负责人、上下游依赖、引用标准、来源页码
规则与逻辑应该怎样判断?哪些约束必须满足?审批阈值、校核规则、决策树、计算逻辑
动作与治理允许做什么?由谁确认?如何记录?生成报告、提交复核、写回系统、人闸门

可以把它简化为一句话:

语义负责理解,逻辑负责判断,动作负责执行,权限与证据负责可信。

从数据到行动的闭环

业务本体位于数据、知识与执行之间。它不替换企业现有的数据库、ERP、CRM、文档库或专业系统,而是让这些系统中的信息能够被统一解释,并在授权范围内连接到实际业务动作。

这个闭环包含两个重要约束:

  1. 本体必须连接真实来源。 对象状态、规则与证据需要能够回到具体数据、文档版本或业务系统。
  2. 动作必须受治理。 理解某个对象不等于获得修改它的权限;执行仍受工具授权、文件范围、策略、人闸门与审计约束。

本体、知识图谱与 RAG 的区别

这三类能力可以组合,但不应混为一谈。

能力核心问题典型输出单独使用时的边界
RAG / 语义检索哪些材料与当前问题相关?文档片段、引用、摘要能找到信息,但不天然理解完整业务状态或允许的动作
知识图谱哪些实体存在,它们怎样连接?实体、关系、路径、来源能表达关系,但不必然包含流程、权限和执行语义
业务本体业务世界如何定义、判断并行动?对象、关系、规则、动作、权限需要与真实数据、系统和一线流程共同维护
Agent Workflow怎样围绕目标完成一组任务?计划、工具调用、交付物、回执没有共享语义时,跨系统理解与治理容易碎片化

组合后的职责是:

  • RAG 提供相关材料;
  • 知识图谱提供实体关系和来源;
  • 业务本体提供稳定语义、规则和动作边界;
  • Agent 围绕目标进行规划、协作与执行。

DesireCore 能力如何承接本体方法

DesireCore 不要求把本体资产放进一个额外的黑盒系统,而是让它们落在已有、可检查的能力中。

DesireCore 能力在本体实施中的作用可检查的资产或证据
AgentFS保存身份、规则、资料、Skills、Workflow、版本与回执文件、目录、Git 版本、来源信息
记忆与知识图谱连接业务术语、对象关系、用户纠正和任务经验记忆条目、作用域、关系、来源
Skills / 决策树承载专家规则、示例、判断路径和验收标准SKILL.md、脚本、规则与测试材料
Workflow组合确定性步骤、Agent 判断、工具调用和异常处理节点配置、执行记录、重试与回放
多 Agent Runtime让研究、执行、复核等角色共享语义并分工委派记录、成员输出、合并与复核结果
Hook / Policy / Human Gate限制高风险动作和系统回写策略命中、审批、拒绝与临时授权
回执系统记录本体驱动任务使用了什么信息、规则与动作输入输出、工具调用、证据和异常记录
不要把方法写成不存在的产品能力

当项目只使用文件、记忆、Skill 和 Workflow 来组织业务语境时,应准确描述这些资产如何组合。只有在实际实现了专门的数据模型、编辑器、查询接口或运行时之后,才能进一步声称提供对应的“本体平台”能力。

FDE 式落地:从最小可用本体开始

FDE(Forward Deployed Engineer,前线部署工程师)式方法强调进入真实业务现场,与一线专家共同建模、集成和验证。它不要求先建设一个覆盖全公司的“大而全本体”,而是从一条价值明确的业务链开始。

1. 贴近业务现场

核心问题: 谁在什么条件下做出什么决定?

  • 跟随一条真实任务,而不是只访谈理想流程;
  • 盘点角色、输入、输出、系统、异常路径和风险边界;
  • 记录当前耗时、错误类型、人工接管和业务结果。

阶段输出: 业务链地图、责任主体、输入输出、基线指标。

2. 建立最小可用本体

核心问题: 完成这条业务链必须理解哪些概念?

  • 定义关键对象、关系和状态;
  • 收集专家规则、优先级、例外和验收标准;
  • 列出允许的动作、权限条件和证据要求。

阶段输出: 对象词典、关系图、规则清单、动作与权限表。

3. 组装 Agent 工作闭环

核心问题: 怎样让共享语义进入真实执行?

  • 将资料、规则和角色边界组织到 AgentFS;
  • 用 Skills、决策树和 Workflow 承载判断与步骤;
  • 接入必要工具,并设置人闸门、异常处理和回写边界;
  • 明确各 Agent 的职责、交接和复核关系。

阶段输出: 可运行场景、角色分工、审批点、交付模板。

4. 评测、上线与持续迭代

核心问题: 怎样证明有效,并安全扩大自动化范围?

  • 使用真实测试集、边界案例和失败分类;
  • 检查对象识别、规则判断、交付质量与专业复核差异;
  • 观察权限命中、人工接管、成本、时延和业务结果;
  • 通过回放、回执和版本对比更新本体资产。

阶段输出: 验收报告、评测基线、运行看板、迭代计划。

场景建模示例

AI 标书写作

维度示例
对象招标条款、资格要求、评分点、企业材料、章节、风险项
关系评分点对应章节、资格要求引用企业材料、结论引用来源页码
规则响应完整性、资格匹配、格式要求、禁用表述
动作拆解要求、匹配证据、并行撰写、风险复核、Word 交付
人工边界关键承诺、报价、资质和最终投标文件由责任人确认

工程图解析与设计校核

维度示例
对象设备、管线、仪表、回路、图页、坐标、版本、校核规则
关系拓扑连接、回路归属、跨页引用、对象与证据位置
规则编号一致性、拓扑检查、专业规则、冻结基线
动作识别、关联、差异检查、形成问题清单和证据定位
人工边界设计基准须先冻结,结果由具备资质的工程师复核签发

合同审查与履约跟踪

维度示例
对象合同、条款、主体、义务、期限、金额、风险、审批记录
关系主体承担义务、条款引用法规、风险关联审批人
规则企业模板、法规要求、金额阈值、缺失与冲突条款
动作逐条审查、证据引用、风险分级、提交审批、生成报告
人工边界法律判断、重大风险接受和签署由授权人员完成

治理与验收清单

上线前,不应只检查模型“回答得像不像”。至少需要覆盖以下四类证据:

语义与证据

  • 对象、关系和状态定义得到业务专家确认
  • 同名异义、字段冲突和版本差异有处理规则
  • 关键结论能够定位到来源、版本、页码或坐标

任务与质量

  • 测试集包含正常案例、边界案例和反例
  • 交付格式、业务规则和专业要求可自动或人工校验
  • AI 结果与专业人员复核差异被记录和分类

动作与权限

  • 工具、文件、数据和系统回写遵循最小权限
  • 高风险动作进入 Human Gate
  • 危险操作能够被策略拒绝,敏感信息能够被限制或脱敏

运行与改进

  • 每次任务保留回执、异常和人工接管记录
  • 监控通过率、失败率、成本、时延和业务结果
  • 本体、Skill 和 Workflow 的更新经过版本与评测控制

常见误区

“有一个知识库,就已经有业务本体”

知识库提供材料,不一定定义对象状态、业务规则和可执行动作。判断是否形成业务本体,要看人和 Agent 能否基于同一语义进行判断和受治理执行。

“本体越大越完整越好”

没有真实工作流验证的大型模型很容易过时。更可靠的做法是围绕一个业务目标构建最小本体,形成反馈闭环后再扩展。

“有本体以后,Agent 可以自动决定一切”

本体能让决策上下文更清楚,但不会自动消除风险、专业责任和权限限制。工程、法律、财务等高风险结论仍需要相应资质和授权人员确认。

行业参考

外部资料用于解释行业方法,不代表 DesireCore 与资料发布方存在产品从属关系。

相关文档