文章

Ontology企业本体论简介

Palantir 语境下的 Ontology 是原始数据与应用 / AI 之间的语义契约:对象、属性、链接、动作。它不存业务行,但决定大模型能查什么、能改什么、谁能改。不是数据库,也不是只读知识图谱。

Ontology企业本体论简介

Ontology企业本体论简介

本文按 Palantir 工程语境介绍 Ontology(企业本体):它是原始数据与应用 / AI 之间的语义契约层,不是数据库,也不是知识图谱。

参考与延伸阅读:


目录


1. 定位

Palantir 约在 2018 年把产品线统一到 Ontology。在工程里,它指运行在生产环境、支撑大规模读写、决定大模型能否可靠行动的语义层。

结论性定义: Ontology 放在「原始数据」和「应用 / AI 推理」之间。它不存业务数据本身,但定义业务世界里有哪些实体(对象)、长什么样(属性)、彼此怎么连(链接)、能对它们做什么(动作)。上层应用、Agent、写回操作都必须经过这层契约。

常见误读:把 Foundry 当成数据平台、把 Gotham 当成知识图谱、把 AIP 调工具当成 LangChain 接 function。这些类比都漏掉了 Ontology 这一层。


2. 它首先不是什么

不是原因
数据库不持有记录行。表、流、API 仍在 Oracle、Snowflake、Kafka、Salesforce、S3 等原处。Ontology 在其上「物化」出对象。查 Customer 时,属性从底层源算出,不是对一张 Customer 表直接 SELECT。
普通知识图谱图谱侧重节点、边、属性的存储与推理(如 Neo4j)。Ontology 的链接表达业务归属与关联,可带方向、约束和细粒度权限。更关键的是:图谱多为只读分析视图;Ontology 可写、可执行,内置 Action,能改变世界状态。
ORM / schema 别名ORM 解决「对象怎么映射成表」。Ontology 解决「跨十几个异构系统的真实实体,如何在应用面前表现为一个统一、可操作的东西」。ORM 不管权限、实时物化,也不管让大模型安全调用能改生产数据的函数。

一句话:Ontology 是数据之上的语义与行为层。数据库是地基之一;知识图谱是近亲;它要取代的是每个应用自己写胶水代码去理解业务。


3. 对象、属性、链接、动作

3.1 对象(Object)

真实世界实体的数字化表示,例如航班、客户、风机、订单。对象不是一条数据库记录,而是记录经语义加工后呈现出来的「那个东西」。

  • 每个对象有类型(ObjectType)和主键(Primary Key),在该类型下全局唯一。
  • 一个 Customer 可能聚合 CRM 主档案、账单欠费、工单历史。对应用只是一个对象。

3.2 属性(Property)

对象上的强类型字段:string、integer、timestamp、geopoint、attachment 等。取值逻辑是声明式的:

  • 直接映射:某张表的某列
  • 派生计算:例如逾期天数 = 今天 − 应还日

对象形状由建模者定义的语义决定,不是由存储决定。

对象之间的关系,例如「订单由客户下达」「风机属于风场」。双向可达:从订单到客户,从客户到其全部订单。底层可能是 join 或外键,对外暴露的是关系本身,上层用导航探索数据,而不必每次重写 SQL。

3.4 动作(Action)

对对象执行「改变」的唯一合法入口:创建对象、改属性、建立链接、触发服务端逻辑,都必须走 Action。动作是强类型、带参数、经校验、受权限约束、全程留痕的平台托管函数。

没有动作,Ontology 只是只读地图;有了动作,才成为能驱动业务的操作面。

3.5 ObjectType

四个元素合在一起构成 ObjectType:名称、主键、属性(类型与来源)、链接(指向谁、用什么键对齐)、可执行的 Action。可把 ObjectType 看成类、Object 看成实例;这个「类」里除了字段,还内嵌关系和行为。

ObjectType 不是表定义。表定义回答「数据怎么存」;ObjectType 回答「业务实体是什么、能怎么被理解和操作」。同一底表可以支撑多个视角、权限、派生属性不同的 ObjectType。建模自由度在语义层,不在存储层。


4. 物化

传统做法是先有表、灌数据、再查询。Ontology 反过来:对象实例不是被「存」出来的,而是被物化(materialization)出来的。

底层源(表、Kafka 流、REST 返回、甚至模型推理输出)变化时,平台按 ObjectType 上的映射规则,增量、近实时地计算并暴露对应对象。

Flight 示例

属性来源
主键航班号 + 日期
departureAirport航班计划表
actualTakeoff实时遥测流
delayMinutes派生:实际起飞 − 计划起飞

遥测来一条新事件时,不是去「更新某行」,而是重算该 Flight:delayMinutes 更新,看板、告警、Agent 下一刻看到新值。

工程要点:

  1. 源异构,物化统一。 同一对象的不同属性可来自不同系统,对齐到同一主键。应用只面对对象。
  2. 增量,不是全量重算。 维护对象与源数据血缘,只重算受影响部分。Palantir 由 Foundry transform 与 dataset 血缘支撑,沿血缘算出要刷新的对象,而不是定时轮询。
  3. 对象引用源,不持有原始副本。 物化产出的是视图状态,真记录在源里。换存储、改分区,只要映射不变,上层无感。同一底层事实可被多个 ObjectType 以不同视角同时物化(风控 / 营销 / 客服看到的 Customer 派生属性和权限不同,共享同一份真相)。

数据库要求先把数据放进来;Ontology 站在已有数据之上,用业务能听懂的语言再讲一遍。对散落在大量 legacy 系统里的数据,这一层把手写胶水变成声明式、可治理的建模。


5. 动作闸门

多数数据系统里,分析和执行是断开的:在 BI 里看到客户要流失,再切到另一个系统发券、改状态、派单。Ontology 的设计是:对象在语义层统一定义,改变对象的操作也必须同样被定义、约束、托管。

一个 Action 包含:

要素含义
参数与类型输入类型、是否必填、取值范围。例如「批准退款」含订单对象、金额、备注
校验逻辑执行前必跑。简单约束(金额不能为负)或业务规则(状态须为「待退款」且不超过额度)。由平台保证,不靠调用方「记得检查」
权限细到对象实例,可按属性动态推导(只能审批自己区域内的订单)。安全写在语义层,而不是每个应用各写一遍
执行与留痕改对象状态并回写,或触发 Function / AIP Logic。留下 Action History:谁、何时、输入、做什么、结果如何
写回(write-back)对象修改经反向映射回到源系统。改的是对象语义,平台翻译成底层写入,并遵守源系统约束

无论人点按钮、规则引擎触发,还是大模型调起,只要改变世界,都必须经过这道闸门:类型、校验、权限、留痕。动作把 Ontology 从认知层接到操作层,这是它与知识图谱、数据湖、纯 RAG 的分野。


6. 大模型接地到 Ontology

大模型的老问题:不知企业私有数据会编;没有真实业务状态会乱说;直接改生产系统会失控。RAG 解决了喂知识,没有解决「动手」。让 LLM 直接生成 SQL 碰生产库更危险:没有语义约束、权限边界和留痕。

Palantir 把 Ontology 当作大模型的 grounding(接地) 层:暴露为一组工具。模型只能:搜索对象、读属性、沿链接导航、在满足条件下调用 Action。处理的是带类型、有业务含义、受约束的操作原语,不是表。

效果:

  • 不幻觉结构。 面对的是 Customer 对象,不猜表名 cust_mstr 还是 t_customer。底表改名,模型无感。
  • 不越权乱动。 调 Action 仍走校验和权限。DROP TABLE 不在工具集里。
  • 每一步可解释、可回滚。 调用了哪个动作、传了什么参数、被哪条校验拦住,都在 Action History。
  • 推理有边界。 AIP 运行时是「LLM 规划 + 受管函数执行」:模型提出要查什么、调什么;平台翻译成对 Ontology 的类型化调用,跑校验和权限,再把结果喂回。模型负责「想」,Ontology 负责「做」。

LLM 要参与企业决策与执行,不能只接向量库。它必须接到有结构、有类型、有行为、有权限的语义契约上。Ontology 是给 AI 用的世界模型接口,不是给 AI 用的数据库。把 AI 落地等同于「RAG + 几个 tool call」容易烂尾,根子往往是缺这一层:工具散、状态不统一、权限各写各的。


7. 和关系型 schema 的区别

层面关系 schemaOntology
语义描述如何存储:行、列、主键、外键。外键是指针,不携带业务含义链接是关系本身:归属、依赖、因果。看到的是「设备隶属于产线,产线服务于工厂」
行为静态,不定义能做什么;改数据全凭应用自己写Action 是类型系统和契约的一部分。「能被怎么改变」与「长什么样」一样被建模
权限通常在表、行、列或视图上,与业务语义脱节作用在对象实例和动作上,可按属性动态推导;所有应用和 Agent 自动遵守
稳定底表重构、换存储、改分区,下游应用易崩存储演进与语义稳定解耦;映射规则保持,上层对世界的理解不变

Ontology 不是好看的表,而是架在 schema 之上、关于「业务世界如何被理解、被操作、被保护」的契约。它不取代数据库,而是让数据库用语义说话。


8. 小结

要点结论
数据库告诉你数据在哪
知识图谱告诉你关系在哪
Ontology告诉你在这个业务里什么是真的、什么能改、谁能改、改完留下什么
对大模型接地层:只能搜对象、读属性、沿链接走、在权限内调 Action

Palantir 常被引用的话是「我们卖的不是数据,是决策」。Ontology 是支撑这句话的技术实体:把散乱原始数据收敛成对象、属性、链接、动作,让人和 AI 在同一个受控、有行为的世界里做决定并执行。这是 Palantir 架构的核心,也是 AIP 能让大模型进生产的底座。

本文由作者按照 CC BY 4.0 进行授权