企业本体论调研
企业本体论把共享业务世界写成对象、身份、关系、状态、规则、动作和权限。知识工程、DEMO 与运行时语义层是三条主脉络。GitHub 高星仓多为可视化工具或 Agent 语义层,不是经典 OWL 内容库。
企业本体论调研
企业本体论(Enterprise Ontology) 不是单一产品名词,而是把企业共享的业务世界,用明确、可共享、可形式化的方式写下来。调研范围包括学术文献、W3C / OMG / ISO 标准、厂商文档(Palantir、用友等),以及 GitHub 上
ontology与enterprise ontology的仓库对照。星标经 GitHub API 核对,截至 2026-10-14。
参考与延伸阅读:
- Palantir Ontology 核心概念:https://palantir.com/docs/foundry/ontology/core-concepts/
- W3C Organization Ontology:https://www.w3.org/TR/vocab-org/
- GitHub
ontology检索:https://github.com/search?q=ontology&type=repositories - 封面图 BFO 2.0:https://commons.wikimedia.org/wiki/File:BFO_ontology.jpg(AH-LOD,CC BY-SA 4.0)
目录
- 1. 企业本体论的含义
- 2. 三条主脉络
- 3. 与其他语义承载方式的差别
- 4. 企业本体通常包含的要素
- 5. 可复用的标准与参考本体
- 6. 在当代企业 AI 里的位置
- 7. GitHub 上的高星仓库对照
- 8. 按目标选择起点
- 9. 参考与来源
1. 企业本体论的含义
企业本体论要回答:企业承认哪些对象、对象如何识别、彼此如何关联、当前处于什么状态、必须满足什么规则、谁可以发起什么动作。
知识工程里,本体的经典定义来自 Gruber(1993):An ontology is an explicit specification of a conceptualization。Borst(1997)补充了「共享」与「形式化」:本体是某一群体共有概念体系的形式化表示。企业本体论,就是把这套方法用到企业域。
实务上,它要解决的核心问题是:数据很多,但业务含义仍然散落、断裂。
- 名称相同不代表含义相同:「客户」在 CRM、合同、售后里可能分别指销售账户、签约主体、使用组织。
- 数据存在不代表关系已经表达:关系散落在外键、接口代码、文档和人脑里。
- 字段有值不代表状态清楚:ERP、物流、财务所说的「已完成」往往不是一回事。
- 系统权限不代表业务行动权限:服务账号能改订单字段,不等于 Agent 有权改变交付承诺。
可以把企业本体理解成:企业的共享业务坐标系。它不要求把所有数据搬到一处,而是提供统一的业务引用,让系统、报表和 AI Agent 说同一种话。
2. 三条主脉络
「企业本体论」至少有三条并行传统。讨论时最好先标明站在哪一条上。
2.1 知识工程派:共享术语与可推理模型
代表工作:
- The Enterprise Ontology(Uschold, King, Moralee, Zorgios, 1998)
爱丁堡大学 Enterprise Project。用自然语言定义企业核心术语,再形式化为 Ontolingua。覆盖活动、组织、战略、市场等。目的是给企业建模框架提供公共词汇。 - TOVE(Toronto Virtual Enterprise)(Fox, Gruninger 等,1990s)
目标是:每个智能体都能理解同一套企业表示;每个词有明确语义;语义写成公理,从而能回答关于企业的「常识问题」。评价方法是 competency questions(能力问题):本体必须能回答哪些问题,就决定建到什么深度。 - 骨架法 / Enterprise 法(Uschold & King)
中文学界后续企业建模、本体驱动信息系统论文里最常引用的构建方法之一,常与 TOVE、METHONTOLOGY 并列。
这一派的产出,主要是词汇表、公理、OWL/RDF 工件,强调知识共享、跨系统互操作和逻辑推理。
2.2 企业工程派:组织本质 vs 实现方式
代表工作:
- Jan L. G. Dietz,《Enterprise Ontology: Theory and Methodology》(Springer, 2006)
- 第二版《Enterprise Ontology: A Human-Centric Approach…》(2024)
- 方法:DEMO(Design & Engineering Methodology for Organizations)
Dietz 的核心论点:企业(再)设计文献里,连「行动」「过程」这类基本概念都常常没有精确定义。需要一种理论,把稳定的组织本质和多变的实现方式分开。
DEMO 把组织看成三层:
| 层 | 名称 | 含义 |
|---|---|---|
| B-system | 业务层 | 组织本质:人带着权责,通过沟通创造新事实 |
| I-system | 信息层 | 信息处理 |
| D-system | 文档/数据层 | 文档与数据实现 |
本体模型由四个侧面组成:协作模型(CM)、过程模型(PM)、动作模型(AM)、事实模型(FM)。基本交易模式是:请求 → 承诺 → 执行 → 声明 → 接受。
这一派的产出,主要是组织工程模型,而不是 OWL 文件。它关心「企业在本质上如何运作」,较少直接对应到三元组存储。
2.3 运行时语义层:对象 + 关系 + 动作 + 权限
2020 年代后,厂商把「Ontology」做成企业操作系统的核心,而不是离线词汇表。
Palantir Foundry Ontology 把自己定义为组织的数字孪生,把数据集映射为:
- Object Type:实体或事件的类型
- Property:对象特征
- Link Type:对象之间的关系
- Action Type:一次可提交的变更(含校验、副作用、写回)
Palantir 强调四件事一体:数据、逻辑、动作、安全。LLM 不能直接改数据,只能请求工具;工具在调用者权限下执行。这使本体从「名词体系」变成「名词 + 动词」的运行系统。
国内对应表述包括:
- 用友 BIP 6 YonOnto:业务本体 / 数据本体 / 文档本体;提出 OAG(Ontology-Augmented Generation)相对 RAG 的分层。
- Agilean 等方法论:对象、身份、关系、状态、规则、动作、权限七要素,作为 AI Agent 的语义底座。
这一派的产出,是可查询、可校验、可执行、可审计的语义运行时。
3. 与其他语义承载方式的差别
这些方式并不互斥,但职责不同。
| 承载方式 | 更擅长 | 面对企业 AI 时的边界 |
|---|---|---|
| 分类体系 Taxonomy | 「是一种 / 属于」的树 | 不表达带类型关系、约束和动作 |
| 数据字典 / 统一 Schema | 字段结构和字段含义 | 很少表达跨系统对象身份、生命周期和业务动作 |
| 主数据 MDM | 核心实体身份一致 | 不负责完整关系网络与流程语义 |
| BI 语义层 | 指标口径一致 | 不描述对象如何变化、能否执行 |
| 领域模型与业务 API | 单个领域内封装规则和操作 | 跨系统时容易重复定义对象 |
| RAG / 文档库 | 从制度、合同、工单找回语境 | 缺少稳定对象身份、权威状态、动作约束 |
| 知识图谱 KG | 实例与关系事实(ABox),多跳查询 | 是否承载权威状态、权限与写回,取决于配套运行能力 |
| 企业本体 | 共享业务世界:概念、约束、动作(偏 TBox + 运行契约) | 建模和治理成本高,不能替代数据治理与权限系统 |
一组常用对照:
- Taxonomy:树。只说「是一种」。
- Ontology:图 + 约束 +(现代产品里还有)动词。既有名词,也有可执行动作。
- Knowledge Graph:本体被实例化后的事实网络。本体相对稳定,图谱持续增长。
- OWL:W3C 形式化知识表达语言,适合交换和逻辑推理。
- Palantir Ontology:以本体为核心的企业运行系统,连数据源、应用、动作和安全控制。两者不必二选一。
4. 企业本体通常包含的要素
综合学术定义和近年产品实践,一套能支撑应用与 Agent 的企业本体,至少要说清:
- 对象:客户、合同、订单、产品、设备、工单等独立事物;需要稳定身份、生命周期、权威来源。
- 身份:哪些记录指向同一个对象,而不是靠文本相似度临时匹配。
- 关系:方向、基数、时间、来源(系统事实 / 规则推断 / 人工确认)。
- 状态:当前发生了什么,且能回溯到事件、时间和权威来源。
- 规则:什么条件必须成立(高风险付款需复核、保修期内不得收费等)。
- 动作:人或 Agent 可以请求什么;输入、前置条件、效果、失败处理。
- 权限:谁能在什么条件下行动;真实权限取决于调用者、目标对象、业务状态和适用规则。
学术本体往往把 1–5 形式化得很好;Palantir / YonOnto 这一派把 6–7 也收进本体,这是近年「企业本体论」热起来的关键变化。
5. 可复用的标准与参考本体
不必从零发明上层概念。常见可复用资产:
| 名称 | 定位 | 说明 |
|---|---|---|
| W3C Organization Ontology (ORG) | 组织核心词汇 | 组织、单元、岗位、成员、站点、变更事件;命名空间 http://www.w3.org/ns/org# |
| gist | 企业上层本体 | Semantic Arts 极简上层本体,约 100 个类及相当数量属性/关系,刻意用日常语言而非哲学抽象 |
| BFO 2020 | 顶层本体 | ISO/IEC 21838-2;对象、过程等通用范畴 |
| Common Core Ontologies (CCO) | 中层本体 | 人、组织、事件、时间等,建立在 BFO 之上 |
| FIBO | 金融行业本体 | EDM Council 主持、OMG 标准化;合约、法律实体、证券等 |
| IOF | 工业/制造本体 | 锚定 BFO,服务工厂内与供应链跨系统集成 |
| REA | 会计/经济交换 | Resource–Event–Agent |
| e3-value | 价值交换 | 描述合作伙伴间的经济交换 |
构建方法上,中文学术文献常见:
- 明确目的与范围
- 复用已有本体
- 本体捕获(competency questions / 场景)
- 形式化表示(OWL 等)
- 评价与迭代
工具链常见 Protégé、OWL、推理机(HermiT 等)、图数据库 / 三元组存储。
6. 在当代企业 AI 里的位置
文档型 RAG 擅长回答「哪段文字和问题相关」,回答不了「这段内容在业务里代表什么、能不能动、谁能动」。
更稳妥的分层是:
1
2
3
4
5
6
7
8
9
10
11
事实来源(ERP / CRM / MES / 数据库)
↓ 语义映射,不必然搬数据
语义模型 / 本体(对象、关系、约束、动作)
↓
运行时事实(知识图谱 / ABox)
↓
确定性规则与推理(校验、分类、合规)
↓
LLM / Agent(语言交互、工具编排、解释)
↓ 权限内、可审计、可回滚
写回业务系统
用友把这条链路叫 OAG(本体增强生成):RAG 找证据,本体统一语义,图谱连接关系,智能体完成任务。
落地建议(多家来源一致):
- 不要一上来建「大而全」本体。从一个高频、规则明确、结果可复核的任务开始(合同审核、高风险订单能否按期交付、合规审查等)。
- 初稿可从 DDL、数据字典、接口定义自动抽取,业务专家确认企业事实。
- 规则必须进入运行时,而不是停在文档里。
- 验收要覆盖正常、异常、越权三类用例。
- 对象数量和图谱规模只能说明建了多少,不能说明是否有用;价值要回到运行结果。
不适合硬上本体的情况:只做文档问答(RAG 可能够用);只做经营分析(BI 语义层更成熟);只有一套业务系统和一个 Agent(设计清楚的 API 往往更简单)。
7. GitHub 上的高星仓库对照
结论先说:
- 用
enterprise ontology精确搜,可下载的 OWL/RDF 内容库星标多为数百级:FIBO(759)、gist(248)、IOF(193)。这会漏掉一批更贴近「本体工程 / Agent 语义层」的高星仓。 - 用 GitHub 关键字
ontology检索(约 2.49 万仓),前列会出现 Microsoft / AWS / TrustGraph / WebVOWL 等,更适合看工具与运行时。 - 超过一千星的仓库:几乎都是可视化工具、语义运行时或 2025–2026 年出现的 Agent 基础设施,不是 1990s 那套经典「企业本体」官方仓。
- Dietz DEMO、爱丁堡 Enterprise Ontology:没有高星官方实现仓。
星标数据经 GitHub API 核对,截至 2026-10-14。Ontexus 为 2026-10-20 补查:574 star、195 fork。
7.0 关键字 ontology 前列仓库:功能对照
检索入口:github.com/search?q=ontology&type=repositories。下面先给总表,再逐仓拆功能。同一次搜索还会混入区块链、声音分类、生物医学本体,文末单独标出。
总表
| 仓库 | 星标 | Fork | 许可 | 一句话 | 更像什么 |
|---|---|---|---|---|---|
| microsoft/Ontology-Playground | 2,882 | 369 | MIT | 零后端静态站:浏览/可视化设计本体,导出 RDF/XML,对接 Fabric IQ 教学 | 学习 + 可视化建模工作台 |
| trustgraph-ai/trustgraph | 2,807 | 332 | Apache-2.0 | 本体原生的语义智能层:文档入库 → OWL 约束抽取 → GraphRAG/SPARQL → Agent | 可自托管的语义平台 |
| VisualDataWeb/WebVOWL | 1,010 | 279 | MIT | 浏览器里用 VOWL 规范画 OWL 本体图,可导出 SVG | OWL 可视化器 |
| aws/context-ontology-accelerator | 960 | 123 | Apache-2.0 | Scan→Model→Serve:诱导本体、治理指标、VKG/SPARQL、MCP 给 Agent | AWS 上的企业语义加速器 |
| ruc-datalab/EvoOntology | 814 | 69 | MIT | 为人大规模数据 Agent 自动建、按工作负载进化本体层(MCP 插件) | Agent 侧自进化语义层 |
| jingw2/ontexus | 574 | 195 | PolyForm 非商用 | 从数据源经流水线映射出实体、关系、规则和可执行动作,并接到对话 Agent | 可自托管的 Palantir 风格本体平台 |
| sharptoolbox/ontology-driven-dev | 452 | 165 | MIT | 需求探索→七模型 YAML→生成可运行业务系统(含流程/权限/AI 对话框) | 本体驱动的应用生成技能 |
能力矩阵
| 能力 | Playground | TrustGraph | WebVOWL | AWS COA | EvoOntology | Ontexus | ontology-driven-dev |
|---|---|---|---|---|---|---|---|
| 可视化浏览本体图 | 有(Cytoscape) | 有(GraphRAG / 3D 上下文图) | 有(VOWL) | 有(Web playground) | 弱(插件侧) | 有(Cytoscape) | 弱(生成 UI) |
| 可视化编辑本体 | 有 | 有(Ontology Workbench) | 无(只看) | 有(人工审核诱导结果) | 自动构建+进化 | 流水线映射;规则和动作草稿后人工发布 | YAML 七模型 |
| RDF/OWL 导入导出 | RDF/XML 子集;不支持 Turtle | OWL/XML、Turtle 往返 | 读 OWL(经 OWL2VOWL) | OWL 2 / RDF / SHACL / R2RML | MCP 版本化本体层 | 导出 Turtle,以及 JSON / YAML / CSV / HTML | 非 OWL,是 YAML |
| 逻辑推理 | 无 | OWL 层级与约束 | 无 | HermiT / ELK / SHACL / SWRL | 偏工作负载证据,非 DL 推理机 | 从模式和关系发现规则,不是 DL 推理机 | 规则写在 M3 YAML |
| 非结构化文档入库 | 无 | PDF/DOCX/XLSX/PPTX/HTML/MD/CSV/图 | 无 | Glue/JDBC + 文档 | 表/文件/库 | CSV / Excel / JSON / XML / PDF / Office / Markdown;MySQL、PostgreSQL、MongoDB、REST | 从需求文档出发 |
| GraphRAG / NL 查询 | NL 映射到实体关系(教学预览) | SPARQL + GraphRAG + 重排序 | 无 | 治理指标 → SPARQL/VKG → Agent 回退 | Agent 按需查询本体层 | 关键词 + 向量检索;对话 Agent 按已发布本体调用 | 应用内 AI 对话框 + 只读 SQL |
| Agent / MCP | 仓库内 Copilot Skills | 自带 Agent Runtime + MCP 包 | 无 | MCP:list_metrics / describe_schema / query / translate_sparql / graph_traversal 等 | MCP 插件(Claude Code / Codex) | 平台内对话 Agent;动作需批准。对外接口是 REST,不是 MCP | Skill 驱动编码 Agent |
| 权限 / 血缘 | 无(静态站) | PROV-O 血缘、Workspace 隔离 | 无 | Cedar 双层授权 + SQL Firewall;指标可追溯 | 版本化本体层 | JWT;管理员审批数据集;动作留审计快照;结果不明时人工对账 | 角色权限种子 + 流程引擎 |
| 部署 | 纯前端;Azure SWA / GitHub Pages | Docker/K8s 全家桶(Cassandra、Qdrant、Pulsar 等) | Node 或 Docker | 绑定 AWS(Neptune、OpenSearch、S3、Bedrock、Glue) | 本地 Agent 插件 | Docker Compose,或 SQLite 最小安装。Neo4j、MinIO、Chroma、Redis 可缺省 | Flask/SQLite 或 Go/PG 单体 |
| 对企业本体的贴合度 | 教学与目录,不是生产运行时 | 高:抽取受 OWL 约束 | 高:看 OWL 结构 | 高:诱导+治理指标+给 Agent 上下文 | 高:补数据语义,但不产业务动作 | 高:对象、链接、规则、动作和 Agent 在同一套自托管系统里 | 高:对象/行为/规则/主体/流程,但是自有元模型 |
microsoft/Ontology-Playground(2,882★)
面向 Microsoft Fabric IQ 的免费静态 Web 应用(React 19 + Cytoscape.js),在线试用。零后端。功能:
| 模块 | 做什么 |
|---|---|
| 交互图探索 | 任意本体渲染成节点-边图;平移/缩放、点选属性、搜索过滤 |
| 本体目录 | 零售、电商、医疗、金融、制造、教育 6 个官方示例 + 社区贡献;深链接分享 |
| 可视化设计器 | 全屏分栏:实体类型(图标/颜色/属性)、关系(基数)、实时预览;撤销 50 步;校验 |
| RDF 进出 | 导入导出 Playground 支持的 RDF/XML 子集(OWL 类、数据/对象属性、基数、rdfs:subClassOf);导出格式对齐 Fabric IQ;当前不支持 Turtle |
| 一键贡献 | GitHub device flow 登录后自动 fork、开 PR 把本体送进社区目录 |
| 嵌入组件 | ontology-embed.js 单脚本把交互图嵌到任意网页 |
| Ontology School | 9 门课:基础 6 篇 + 7 条领域路径 + 零售供应链实验(3→15 实体);幻灯片模式、测验 |
| Quest | 5 个进阶任务,带提示和徽章 |
| NL Query Playground | 「哪些客户下了单?」映射到本体实体/关系,预览 Fabric IQ 的 NL2Ontology |
| 设计器模板 | 零售/医疗/金融/IoT/教育,各 3 实体 + 2 关系 |
| Agent 辅助 | 仓库内 Copilot Skills:把客户 RDF/OWL 收进目录、生成课程模块 |
边界:教学与建模前端,不是企业运行时;无推理机、无数据源连接、无权限写回。适合用来统一团队对「什么是本体」的直觉,以及产出可进 Fabric IQ 的 RDF/XML。
trustgraph-ai/trustgraph(2,807★)
自称 The Semantic Intelligence Layer for Ontologies。论点:向量检索分不清「Who 是代词还是一垒手的名字」;要用 OWL/RDF 把类型和关系写死,再用 GraphRAG/SPARQL 走显式路径。功能:
| 模块 | 做什么 |
|---|---|
| 语义层 | RDF 1.2 named graph;自然语言检索、语义过滤、重排序 |
| OWL 合规 | 类层级、属性约束、逻辑推断 |
| 文档入库 | PDF / DOCX / XLSX / PPTX / HTML / Markdown / CSV / 图像 → 按本体类型抽取 |
| 本体引导抽取 | 对每个文本块检索相关本体片段,再抽取,而不是让 LLM 自行猜类型 |
| Agent Runtime | 自带运行时,行为全链路追溯到源知识;也可走 API Gateway 接外部框架 |
| 知识生命周期 | Workspace、Collection、Flow、Knowledge Core:隔离、访问、版本 |
| 互操作 | RDF 1.2、OWL、PROV-O;导出 Turtle |
| LLM 栈 | 主流云 API,或 vLLM / TGI / Ollama 等自托管 |
| UI | Agent 控制台、GraphRAG 视图、3D 上下文图、文档检视、Ontology Workbench、Schema Workbench、Prompt 编辑器 |
| 部署 | npx @trustgraph/config 生成 docker-compose / K8s;自带 Cassandra、Qdrant、Garage(S3)、Pulsar/RabbitMQ |
边界:是完整平台,不是一份参考本体。运维面比 Playground / WebVOWL 大一个数量级。和 Palantir Ontology 同属「运行时语义层」,但走开放 W3C 栈。
VisualDataWeb/WebVOWL(1,010★)
2015 年起的 OWL 可视化器,实现 VOWL(Visual Notation for OWL Ontologies)。在线:service.tib.eu/webvowl。功能:
| 模块 | 做什么 |
|---|---|
| 力导向图 | 类、对象属性、数据属性、个体画成规范图形语言 |
| 侧栏 | 选中元素的类型、等价、不相交、定义域/值域、基数、注释 |
| 统计 | 类/属性/个体/节点/边计数 |
| OWL 转换 | 配合 OWL2VOWL 把 OWL 转成前端 JSON |
| 导出 SVG | 把当前可视化导出为带内联样式的 SVG |
| 部署 | npm 开发模式,或 docker compose(可只起前端) |
边界:只可视化,不编辑、不推理、不接业务数据。看 FIBO / gist / 自建 OWL 结构时很有用。注意 visualdataweb.org 已易主,官方入口改到 TIB。
aws/context-ontology-accelerator(960★)
AWS 开源的 Context Ontology Accelerator(COA),文档:aws.github.io/context-ontology-accelerator。目标:用用户自己的实体、关系、规则、约束,让 Agent 决策更准、可解释、可审计。工作流是 Scan → Model → Serve:
| 阶段 | 做什么 |
|---|---|
| Scan | 接 Glue / JDBC / 文档;AI 补业务元数据、抽实体、做向量 |
| Model | AI 诱导 OWL 2 本体 + 人工审核发布;R2RML 映射;SHACL 形状;治理指标(governed metrics,预编译 KPI,尽量 0 次 LLM) |
| Serve | 分级解析:治理指标 → 虚拟知识图谱 SPARQL(Ontop)→ Agent 回退合成;MCP / REST / SPARQL 端点 |
| 模块 | 做什么 |
|---|---|
| ontology-engine | 本体诱导;HermiT(OWL 2 DL)/ ELK(轻量)推理 |
| metric-service | 指标定义为 owl:Class,绑定本体概念,确定性 SQL/SPARQL 解析 |
| vkg | Ontop 把 SPARQL 联邦到底层 SQL,数据可不必搬进图库 |
| mcp-server | list_metrics、describe_schema、query、translate_sparql、graph_traversal 等 |
| 安全 | 命名空间 RBAC;Cedar 双层授权;SQL Firewall(AST);PII 护栏 |
| 存储 | Neptune(图)、OpenSearch(向量/检索)、S3、DynamoDB、Bedrock 富化 |
边界:绑定 AWS,只读镜像、暂不收 PR;main 是开发枝,官方建议从 release tag 起步。和 Palantir / YonOnto 最接近的开源对照物之一。
jingw2/ontexus(574★,2026-10-20)
名字取 Ontology + Nexus。作者把它放在数据和 Agent 之间:数据与知识先变成本体,再提供上下文、规则和动作。两条构建路径:
| 路径 | 做法 |
|---|---|
| Pipeline Mapping(v2) | 数据连接 → 原始存储 → 转换 → 已审核数据集 → 映射成实体。连接器包括上传文件、MySQL、PostgreSQL、MongoDB、REST |
| Simple LLM Extraction(v1) | 上传文档,选提示词和模型,一次抽出知识图谱 |
本体四块和 Palantir 的对象、链接、动作对应,并多了规则:
| 构件 | 做什么 |
|---|---|
| Entity | 一行数据一个节点,列映射为属性 |
| Relation | 由外键、跨表取值重合或可选的 LLM 语义对齐推出链接 |
| Logic Rule | 从模式、质量报告和关系发现校验、状态和推断规则,草稿经审核后发布 |
| Action | 从对象和关系生成增删改、状态迁移和建链动作,带提交条件和审计快照 |
平台还有可视化流水线、Cytoscape 图(有 Neo4j 用 Neo4j,否则退回 SQLite)、关键词与向量检索,以及对话 Agent。动作执行结果若不确定,由管理员对照证据确认为成功、未执行或重试,不自动重放。质量审计用 ReAct Agent 检查孤立实体、断引用和覆盖不足。
导出 JSON、YAML、CSV、Turtle、HTML。界面有中文。Docker Compose 拉起 PostgreSQL、Redis、Neo4j、MinIO、ChromaDB;也可以只跑 FastAPI + SQLite。默认账号 admin / admin123。
边界:许可证是 PolyForm Noncommercial 1.0.0,个人、研究、教育和政府非营利可以使用,商业使用要另签许可。它是运行平台,不是 FIBO 那种可直接引用的行业本体。规则来自数据模式和质量报告,不是 OWL 推理机。
其他补充
ruc-datalab/EvoOntology(814★,人民大学)
给人大规模 Data Agent 补「数据语义层」:表名/列名/路径本身不携带指标定义和约束,静态语义层又会过时。EvoOntology 从数据自动建本体,经 MCP 按需查询,再根据执行轨迹持续进化。插件对接 Claude Code / Codex。论文:arXiv:2609.15779。它补的是数据理解,不生成业务动作和权限模型。
sharptoolbox/ontology-driven-dev(452★)
中文「本体驱动业务系统开发」Skill:需求探索(8 段人工门禁)→ 七模型 YAML(M1 对象 / M2 行为 / M3 规则 / M5 主体 / M6 流程 / M7 报表 / MU UI)→ 复制 code-paas 底座生成可运行 BS 系统(流程引擎、权限、右侧 AI 对话框)。样例是销售合同执行管理。元模型是自有 YAML,不是 OWL;和 Dietz DEMO、Palantir Action 更像「把对象-规则-动作一次性生成应用」。
7.1 直接相关:本体内容库
| 仓库 | 星标 | Fork | 许可 | 定位 |
|---|---|---|---|---|
| edmcouncil/fibo | 759 | 143 | MIT | 金融行业业务本体,OMG 标准。给电子表格、库表、XML 中的金融数据赋予含义 |
| CommonCoreOntology/CommonCoreOntologies | 385 | 88 | BSD-3 | BFO 中层:人、组织、事件、时间等 |
| semanticarts/gist | 248 | 29 | CC-BY-4.0 | 面向企业的极简上层本体,刻意避开 BFO/DOLCE 的哲学抽象 |
| BFO-ontology/BFO-2020 | 237 | 60 | — | ISO 21838-2 顶层本体;IOF、CCO 的根基 |
| iofoundry/ontology | 193 | 37 | MIT | 工业本体 Foundry,制造与产品生命周期集成 |
7.2 企业语义运行时
更完整的功能对照见 7.0(TrustGraph、AWS COA、Ontology Playground 等)。下面是此前用 enterprise ontology 搜到的补充名单。
| 仓库 | 星标 | 说明 |
|---|---|---|
| semantica-agi/semantica | 14,023 | OWL/SHACL/SKOS 上下文图,连接 Databricks / Snowflake / SAP。2025-06 新建,星标增长很快,需自行核验成熟度 |
| deeplethe/utopia | 8,340 | 自称开源企业世界模型:时序知识图谱 + GraphRAG。Topic 含 ontology,但是运行时而非参考本体。2026-08 创建 |
| alibaba/UnifiedModel | 419 | 阿里开源语义运行时:对象图 + SPL/MCP/REST,面向 Agent |
| databrickslabs/ontobricks | 411 | Unity Catalog 表转知识图谱,MCP 暴露本体设计与推理 |
| jingw2/ontexus | 574 | 自托管的对象、链接、规则、动作和对话 Agent。2026-10-20 补查。商业使用受 PolyForm 非商用许可限制 |
| cloudbadal007/foundry-ontology-open | 105 | Palantir 风格 Object / Link / Action,并补了 Foundry 没有的 OWL/SHACL 导出 |
7.3 通用本体工具
做企业本体工程时几乎都会用到,但本身不是「企业本体」。
| 仓库 | 星标 | 用途 |
|---|---|---|
| RDFLib/rdflib | 2,526 | Python RDF 库 |
| protegeproject/protege | 1,581 | 主流 OWL 桌面编辑器 |
| apache/jena | 1,471 | Java 语义网框架与三元组存储 |
| VisualDataWeb/WebVOWL | 1,010 | 浏览器 OWL 可视化(VOWL);详见 7.0 |
| owlcs/owlapi | 939 | Java OWL API |
7.4 对口但星标不高、值得知道
| 仓库 | 星标 | 说明 |
|---|---|---|
| LiberAI/OntoEKG | 76 | 论文配套:用 LLM 从企业文本构造领域本体 |
| almatoai/OGIT | 37 | Open Graph of IT,IT 与业务流程、人员的语义图 |
| openshuyi/ontograph-core | 27 | TypeScript 本体框架, Palantir 风格,导出 OWL/SHACL/Cypher |
用 enterprise ontology 精确搜索的其余仓库 | 多 < 30 | 个人实验、EA OWL、Agent Skill 包等,尚未形成社区标准 |
8. 按目标选择起点
按目标选起点,而不是先追求星标:
- 要一套可复用的上层词汇:
semanticarts/gist,或 W3C ORG + CCO。 - 金融:直接用
edmcouncil/fibo。 - 制造 / 工业:
iofoundry/ontology(BFO 路线)。 - 要给 Agent 提供对象-关系-动作运行时:看 Palantir 产品形态;开源侧优先看 AWS Context Ontology Accelerator、TrustGraph、Ontexus,其次 UnifiedModel、ontobricks、foundry-ontology-open。Ontexus 能在本机从库表和文档映射出实体、规则和动作;商业使用需另获许可。国内产品侧看 YonOnto 这类。
- 先统一团队概念、可视化建模:Microsoft Ontology Playground;看已有 OWL 用 WebVOWL。
- 只做 OWL 建模与推理:Protégé + OWL API / Jena / RDFLib;需要图视化时加 WebVOWL。
- 数据 Agent 缺语义、不想手写静态层:EvoOntology。
- 从需求直接生成带对象/规则/流程的业务系统:ontology-driven-dev(注意是 YAML 七模型,不是 OWL)。
- 组织本质建模、流程再造:走 DEMO / 企业工程,不要指望 GitHub 上有高星 DEMO 引擎。
最小可行路径:选一个跨系统、规则清楚、结果可审计的任务 → 识别对象/身份/关系/状态/规则 → 映射现有系统而不搬库 → 先只读查询,再开放低风险可回滚动作。
9. 参考与来源
学术与标准:
- Gruber, T. R. (1993). A translation approach to portable ontology specifications.
- Uschold, M., King, M., Moralee, S., & Zorgios, Y. (1998). The Enterprise Ontology. Knowledge Engineering Review, 13(1).
- Fox, M. S. 等. The TOVE Project: Towards a Common-Sense Model of the Enterprise.
- Gruninger, M., & Fox, M. S. The Design and Evaluation of Ontologies for Enterprise Engineering(competency questions).
- Dietz, J. L. G. (2006). Enterprise Ontology: Theory and Methodology. Springer.
- Dietz, J. L. G., & Mulder, H. B. F. (2024). Enterprise Ontology 第二版. Springer.
- W3C. The Organization Ontology.
- EDM Council / OMG. Financial Industry Business Ontology (FIBO).
- Industrial Ontologies Foundry. IOF Ontology Portal.
- Wikipedia. Design & Engineering Methodology for Organizations.
产品与方法:
- Palantir. Ontology core concepts;The Ontology system.
- 用友. 从 RAG 到 OAG:以 BIP 6 YonOnto 为例(2026-09-08)。
- Agilean. 企业本体论是什么(2026-10-07 更新)。
开源仓库:
- GitHub 检索
ontologyrepositories - microsoft/Ontology-Playground
- trustgraph-ai/trustgraph
- VisualDataWeb/WebVOWL;在线 service.tib.eu/webvowl
- aws/context-ontology-accelerator;项目站
- ruc-datalab/EvoOntology
- sharptoolbox/ontology-driven-dev
- jingw2/ontexus(2026-10-20 补查)
封面图:Wikimedia Commons BFO ontology.jpg(AH-LOD,CC BY-SA 4.0)。图为 Basic Formal Ontology 2.0 上层分类,经缩放后用作本专栏封面。
星标:GitHub REST API,2026-10-14;Ontexus 为 2026-10-20。
