Agentic Ontology：构建企业数字世界_tag2

推荐语

探索企业智能体落地的关键路径：Agentic Ontology如何破解数智化转型的长期困局，为企业构建可演进的数字世界骨架。

核心内容：
1. 企业数智化转型的常见循环与智能体时代的新挑战
2. Agentic Ontology（智能体本体）的定义与核心价值
3. 基于本体的企业数字世界构建实践与案例剖析

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

一、引言

企业"数智化"做了二十年，很多企业还在这个循环里打转：

企业"数智化"做了二十年，很多企业还在这个循环里打转：

系统互联还没有成功，更谈不上数据治理和智能决策，这时新的业务需求、技术升级、设备更新又来了，产生了新的烟囱系统，一直在折腾。

今年以来，Claude Code、OpenClaw、Hermes-Agent推动的智能体热潮席卷各行各业，Skill沉淀能力已经成为发展共识。企业对AI的诉求已经从"模型能不能答"，转向"智能体如何在企业落地，能不能管"。 显然，面对烟囱系统和数据治理难的死循环，企业智能体的落地难度远大于个人智能助理。

为了使"企业智能体"时代不重蹈"企业软件"的覆辙，我们需要跳出以前的误区，首先让"智能体"能够理解持续发展的"企业世界"，即不断演进的业务场景，然后才能在这个世界中行动，即建立企业世界模型，这就是智能体本体（Agentic Ontology）。

二、本体

本体（Ontology）是个哲学概念，指事物的本质和根源。在知识工程的研究过程中，计算机科学引用了这个概念，本体被用来表达领域专属的概念、关系约束和逻辑规则[1]。明星企业Palantir扩展了这一概念，并将其应用于组织的数字资产表达，包含了企业数字资产的概念、实例和可执行的动作逻辑等。Palantir从国防政务到企业市场的成功，彻底带火了这一概念。在Palantir的定义中，本体是组织的操作层，位于数据资产之上，在平台中对应着真实世界的对象，是组织的数字孪生[2]。通俗一点说，本体是企业数字世界的骨架。它定义了三件事：

• 事物——你的企业有哪些"对象"：客户、订单、产品、库存、员工、供应商...
• 关系——这些对象之间怎么关联：客户下订单、订单包含产品、产品关联库存、员工负责客户
• 行为——在这些关系上会发生什么：客户下单、库存预警、采购审批、发货配送...

本体实际上隔离了操作决策和原始数据，如下图。有了本体，我们实际上的数据智能、业务决策就跳出了烟囱系统、互联互通、数据治理的死循环，和现有的数字业务系统是个孪生关系，既能随着现有的系统而演进，又不受制于业务系统的发展和能力。

不管是知识工程中的本体[3]，还是企业应用的本体一定是面对特定业务场景的，这点我们在《从Palantir本体论看企业数据应用架构》一文中做了详细阐述，指出本体最终是要建立面向场景的意义数据，而这个建立的过程在技术层面仍然使用数据挖掘和治理。这个过程岂不是仍然会陷入前面描述的企业数据集成泥潭，有了数据中台、ETL工具，仍然要面向不同的需求场景，反复折腾。当然，对业务有深刻理解并形成方法论的企业，比如Palantir的FDE团队，可以依赖于行业模板和平台，在数周内交付可运行的工作流[4]。

LLM智能体的发展有效解决了这个问题，下图是一个建筑操作和管理的智能体数字孪生应用案例[5]。该案例分为三个步骤，定义不同应用的需求，根据需求定义Schema和产生本体，在使用过程中更新模型和数据。

• 根据场景需求定义数据仓库：由于场景应用的不同可以有多个意义数据的Schema，包括数据类型、关系等，分析数据源的类型，定义事实数据的Schema
• 编排ETL算子、ML方法等，实现从数据源到事实数据（数据治理），从事实数据到意义数据（数据挖掘）
• 对企业系统，即Palantir所谓的Systems of Action，进行分析，实现应用连接，并在iPaaS（应用集成平台上）形成治理后的API
• 根据业务需要，可以将多个API聚合为工作流（Workflow）供应用使用。

在这些环节中，数据仓库治理、数据处理编排、企业应用连接等都可以使用智能手段，大大简化了企业本体的构建过程。

三、智能体

有了本体这个脚手架，我们就可以在此基础上构建企业数智应用。在智能体时代，企业工作空间是一个人机融合，协同共生的场景。因此各个工作环节，既有人（H），落地为App；机（B），落地为Agent；人机协同（HB），落地为App + Agent，以及这些环节的自动化过程。我们在设计时这样描述这个场景：本体是支撑，人、机、人机、自动化流程构建工作空间，如下图。

智能体是构建这一新型工作空间的关键，传统上的自动化流程依赖于规则，在规则难以覆盖的地方就会阻碍业务的自动化流转和处理，而LLM恰恰善于在没有完整规则的情况下，也能做出决策，缺乏完整数据，也能理解问题，并基于其相关知识做出思考。技能（Skill）[6]的推出，又使组织和人的能力能够以规则、数据、思维方法等形式沉淀下来，并在使用中持续提升。总之，智能体不但是对传统的工作环节的一种替代，更是传统业务流程的粘合剂，补齐了智能化的最后一块短板。

基于Skill的智能体（Skill-equipped Agents）能解决很多问题，但是有两个缺陷需要注意。一是对LLM的依赖、Token消耗和较低的性能，二是如何做到安全可控。针对第一个问题，要避免Skill智能体的滥用。大多数场景其实还是可以规则驱动（Rule-based），或者一开始没有建立规则，随着时间的推移可以总结为规则，这时应该及时地脚本化。即Skill2Script，用确定性的脚本取代不确定的模型处理，简单说就是将依赖于LLM的Skill变成程序。第二个问题展开可以另起一文，包括供应链安全、运行时安全、信任层级与策略等，但我想在这里强调的一个关键问题是企业智能体最终是要作用于企业系统，根据我们前面的分析，智能体的运行世界是本体脚手架，因此本体对智能体提供的访问能力、接口能力的权限、管控、审计等手段是确保企业智能体安全可控运行的关键。

四、总结

智能体时代的企业数字世界，是一个人机融合的智能化体系，而本体是这一世界的骨架，人（App）、机（Agent）和自动化流程都基于本体运转。

所谓智能体本体（Agentic Ontology）有两层含义，一是用智能体的手段构建企业本体，这使企业本体能够落地；二是面向智能体应用构建企业本体，本体就是Agent的世界模型，也是人机融合数字世界的脚手架（Scaffold）。

智能体是最终人机融合数字世界落地的关键。它不是简单地替代现有的工作环节，更重要的是弥补了Rule-based数字系统的不足，实现智能化流程的端到端落地。

参考文献：

[1] Patel A and Debnath NC (2024) A comprehensive overview of ontology: Fundamental and research directions. Current Materials Science: Formerly: Recent Patents on Materials Science 17(1): 2–20. DOI:10.2174/2666145415666220914114301.

[2] Palantir Technologies, "Foundry platform overview: Architecture," https: //www.palantir.com/docs/foundry/platform-overview/architecture

[3] Li J, Garijo D, Poveda-Villalón M. Large language models for ontology engineering: a systematic literature review[J]. Semantic Web Journal, 2025, 20(x): 1-45.

[4] Palantir Q4 2025 投资者报告 https://investors.palantir.com/files/Palantir%20-%20Q4%202025%20Investor%20Presentation.pdf

[5] Yoon S, Song J, Li J. Ontology-enabled AI agent-driven intelligent digital twins for building operations and maintenance[J]. Journal of Building Engineering, 2025, 108: 112802.

[6] Anthropic, Introducing Agent Skills, https://claude.com/blog/skills