首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >本体论和AI大模型05-从本体建模和运行一体化平台到本体论咨询实施

本体论和AI大模型05-从本体建模和运行一体化平台到本体论咨询实施

原创
作者头像
人月聊IT
发布于 2026-10-06 08:49:56
发布于 2026-10-06 08:49:56
450
举报

大家好,我是人月聊IT。今天继续聊本体论和本体建模,包括本体咨询和实施方面的话题。

首先第一个,我们的基于Harness技术底座的本体建模一体化平台在国庆前发布了,具体为何构建这个平台我在前面也专门讲过,核心就是需要有一个强大的Harness平台来承载本体建模和运行能力。当然你也可以自己基于开源的DeepSeek Harness来构建这样一个平台。

图片
图片

虽然关注这个平台的人很多,也有很多人希望能够下载试用。但是实际现在基本也是定向邀请试用。里面有一个重要的原因就是,原来没有接触过本体论的很多用户,感觉是我做了一个类似WorkBuddy的这一个通用Agent平台。虽然这个平台本身也具备底层大模型能力适配集成,技能库,MCP插件安装,浏览器自动化,Compute Use,定时任务等各种常见能力。但是实际这个平台我们要用的是底层的上下文管理和压缩,记忆,存储,多Agent并行等关键的Harness能力。原因就是本体建模,本体模型应用都需要底层有一个强大的Harness能力支撑。比如一个20页的原始需求,生成的软件需求存文本可能都超过10M,生成的本体模型也基本这个量级。这个就实际相当考验长上下文管理能力,包括生成的速度,包括一致性校验和交叉检查质量等。

整个本体平台实际有两个关键。一个是覆盖了对象,行为,规则,场景,事件,流程等的本体建模规范。这个实际我在Github已经开源了早期的规范版本大家可以参考。另外一个关键就是各种建模指导书文件,包括构建完成的模型本身的运行规则文件,这些本身也是我们经过多年的大型软件项目工程建设实践经营的浓缩。

图片
图片

所以简单来说核心是三个方面:

Harness技术底座+本体建模规范+参考的参考指导书。

对于大量的参考指导书实际就是我经常谈到的日常业务运作,工作经验的显性化积累过程。这个指导书可以是一个Markdown格式的参考提示词。也可以是一个独立可复用的Skills技能包。这些指导书真正实现了场景到本体模型之间的关键映射,脱离了这些指导书实际本体模型没法真正发挥最大的作用。

这个平台我为何没有大量发布给大家下载试用?因为不少人试用完都在问我提示词怎么写,怎么画图,怎么拿这个平台做视频,跟WorkBuddy什么区别等问题。我如果大量去支撑这些技术答疑没有任何意义,而且耗费我大量的时间。因为不用你说,我也很清楚我单纯去做一个类似WorkBuddy的东西是没有意义的。真正核心的是长在这个通用Harness底座上的能力沉淀。对于这个本体平台核心就是本体建模规范+方法论指导书能力显性化。

好了,接着就是第2个关键问题了。因为不少人都在问我,希望购买我们这个本体平台,觉得构建了这个本体平台就具备了自己去进行本体实践,或者是解决企业一切业务问题的能力。在不少用户的认知里面就是,本体论是万能的,我们差的只是一个本体平台,有了这个平台我们完全可以自己搞定所有需求。

在这里首先还是要区分平台中的两个关键层次,一个是技术平台,一个是业务平台。业务平台是将业务最终沉淀为内容并放到技术平台上的关键,或者你也可以将业务平台理解为内容平台。

我们拿低代码平台举例,一般的低代码平台都具备对象,规则,事件,表单,流程等建模能力。但是通用的低代码平台,有的人可以构建完整复杂的ERP系统,有的人可能只能做简单的请假流程。这个里面差别的不少技术平台能力,而是应用低代码平台人的业务建模和抽象能力,对业务需求的深刻理解能力。或者再拿数据中台举例,通用都是数据中台具备数据采集集成,数据质量管理,数据资产,数据服务能力开放等。有的人可能做出完整的可复用数据资产服务能力开放,包括关键的指标看板和异常分析;但是有的人采集的集成的数据湖或ODS库可能完全没人使用,成为了数据垃圾。这里面差的不是数据中台本身的技术能力,而是上层的基于需求进行数据建模和数据产品规划设计的能力。

图片
图片

所以拿到本体论平台也是一样的道理。本体论平台提供了Harness底座和本体模型最终的沉淀能力。但是里面的关键是将业务目标和需求转换为本体模型的能力,基于业务目标去应用本体模型分析推理的能力。这里面除了技术平台和本体建模规范外,更加重要的又会到了业务建模方面。如果是基于本体构建AI原生应用,那么考验的是需求建模和抽象能力;如果是数据分析方面的应用,考验的是数据建模和分析经验沉淀能力。

这个在Palantir的方法论里面,需要FDE工程师深入客户现场一线去实施,去进行本体建模和经验落地沉淀。这个对FDE工程师本身的业务,技术,包括综合项目管理方面的经验要求是相当高的。你如果不熟悉业务,还需要甲方业务人员详细给你讲业务,那你想想看还不如甲方自己做FDE工程师。包括在国内也是一样的道理,国内真正合格的FDE工程师少之又少,很多售前工程师,产品经理实际都不具备转FDE工程师的能力,反而是原来做ERP咨询或实施顾问最具备转FDE的潜力。FDE工程师不仅仅是熟悉业务,还需要具备业务建模能力,还需要基本技术功底。

所以虽然我自己也公开了很多文章视频,包括也开源了不少关于本体方面的POC验证项目,但是这个完全不影响还是有不少的甲方公司请我做顾问或进行本体论的咨询。简单来说一个顾问咨询项目,我进行快2年的本体建模方面的经验和知识转移,你花费更少的时间自己去试错,这个一定是一个双赢。但是仍然还是有不少的客户希望看别人的成功案例,希望去照搬别人的案例,这个思想是不对的。我想明确表示,号称在国内本体这个领域已经有大量成功落地案例的基本都不太靠谱,我还看到有些企业号称自己在各行各业,各个业务域都有大量本体案例落地,这个就更加扯淡了。因为没有任何一个企业可以做到对不同行业,不同业务域都熟悉,业务不熟悉是不可能做出好的本体模型并落地的,就是这么一个简单道理。

如何更好的理解本体模型,如何基于不同的业务目标和需求去构建适合自己的本体模型并落地应用,如何让本体模型发挥传统UML模型,数据模型,AI大模型无法发挥出来的更大作用,这个才是我们需要考虑的问题。包括还有很多企业,一上来就跟我说,我们企业要构建整个企业完整的企业本体。这个不又跟大量企业在前面10年左右时间一窝蜂的搞企业架构一样了吗?企业架构看起来很美,一堆的文档和模型文件,但是最终构建的IT应用,包括企业的业务系统流程完全和文档两张皮运行,企业架构文件到后面也没有人有精力去维护。最终企业架构变成了看起来很美的空中楼阁。对于本体模型一样的道理,本体模型作用不是仅仅类似企业架构抽象企业实际业务,而是要真正解决业务问题的。或者说类似Palantir的理念,本体模型是真正衔接业务和数据,打通OLTP和OLAP的关键桥梁。

最后再简单总结下:有业务问题,有些考虑业务需求分析,包括需求分析后的业务建模。建模后能够代码自动化解决的优先代码自动化,对于存在需要分析推理,允许不确定性和置信度的场景采用本体模型+AI去解决。

今天分享就到这里,希望对大家有所启发。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档