- 综合排序
- 最热优先
- 最新优先
从OWL到OWL2和SHACL，从本体模型和AI大模型，构建本体建模和大模型推理的分离
进入大模型时代，这个前提发生了根本变化。当本体的消费者从 DL 推理机变成大语言模型（LLM）时，评价一套本体好坏的标准、它应当承载什么、以及它应当长什么样，都要重新回答。 现行标准是 2009 年的 OWL 2，它有 EL、QL、RL 三个 profile，其中 OWL 2 RL 本来就是面向规则式实现设计的。 这一轮下来，我有点泄气:如果 OWL 2 和 SHACL 都能表达，那我折腾半天到底图什么? 三、能表达，不等于适合给大模型用 但那个让我不舒服的感觉一直没消。 当层级是 A→B→C 时，大模型靠反复套用 R1（C 危险 → B 含危险子件 → A 含危险子件），再套 R2，得出最终结论。多跳的效果是组装出来的，没有硬编码在任何一条规则里。 顺便和我绕过的两条老路放在一起对照一下: 维度 形式化本体（OWL 2 + SHACL） Palantir 工业本体 我主张的:面向大模型推理的本体 谁来推理 DL 推理机 / SHACL 校验器 平台内置动作与函数
1.4K11编辑于 2026-06-01从经典本体模型推理问题谈起，什么才是本体模型+AI大模型结合的最佳模式
其次注意，本体模型作用是提供更加完整的上下文给AI大模型用于推理，整个推理能力是AI推理。 本体在两处起作用，一处是基于问题识别用户意图确定需要访问哪些数据对象，拉取哪些数据；其次是本体模型和数据一起投喂给AI。 再次明确我前面分析的本体案例和演示原型，本体模型仅仅作为给AI大模型推理用的上下文就是一种最佳方式。整个问题已经转换为了如何解决大数据量下的上下文溢出问题。 AI 基于需求生成本体模型（M1对象/M2行为/M3规则/M4场景/M_Metric指标） → 知识图谱动态演进 → 字段级数据库映射 阶段三：预设场景执行 三个场景（经营异常/GMV分析 文件——M1 对象模型（17 个实体 + 完整关系）、M2 行为模型（10 个分析行为）、M3 规则模型（业务口径 + 数据质量规则）、M4 场景模型（3 个分析场景）、M_Metric 指标模型（30
1.1K30编辑于 2026-07-23本体论建模-合同管理本体模型深度分析与语义构建
今天继续分享合同管理本体模型定义。在前面我谈到了一个核心的方法思路，就是首先是通过自然语言，基于对象、行为、规则三个维度构建了本体模型的元模型 Markdown 文件。 然后再和 AI 大模型交互，让大模型基于文本文件来输出完整的符合 OWL 本体建模语言标准的 OWL 完整模型文件。这个本身也给我们后续构建本体模型给出一种新的参考思路。 2. 合同管理业务场景与本体建模需求分析 深入分析销售合同业务全流程，我们识别出从合同签字生效到最终开票收款的闭环需求。 业务支撑：SPARQL 查询模板与应用场景 本体模型为前端应用提供了超越传统 SQL 的查询效能。 结论：本体模型对合同管理的核心价值 综上所述，本合同管理本体模型通过显式的类层级、严密的基数约束以及智能的 SWRL 规则，为企业提供了一个标准化、关联化、透明化的语义底座。
97610编辑于 2026-03-26Ontology（本体）Part 2：构建 Ontology 实战
这样SPARQL能统计"未知颜色的产品数量"2.项目用到的OWL进阶概念基础概念（Class、Individual、ObjectProperty、DataProperty）请见前置博客。 Reasoner面板3.用LLM生成初版OWL3.1Ontology的构建是一个复杂的，繁琐的人力工程，有了大语言模型势必事半功倍！ 4.1Protégé面板巡礼Activeontology—本体头部和指标Activeontology面板左边是本体IRI、双语label、comment和版本号；右边Ontologymetrics是关键 DataProperties—数据属性DataProperties面板43个数据属性都在这里，包括accountnumber、addressline1/2、city、duedate、listprice、 适合的场景✅业务概念稳定且复杂，需要长期维护✅跨数据源解释（数仓+业务系统+文档），需要统一语义层✅有LLM/AIAgent二次消费需求，希望模型"理解"业务而非猜测不了解的schema，和数据关系✅业务数据多跳问答
16900编辑于 2026-09-23本体论建模-Protégé 开源本体（Ontology）编辑器-构建本体模型和知识图谱
今天继续聊本体论建模。 因为最近写本体论方面的文章比较多，包括前面也分享了一个基于已经有的本体元模型，通过AI编程的方式输出一个可视化的本体语义知识网络图谱。 OWL 2 Web 本体语言，并可与 HermiT 和 Pellet 等描述逻辑推理机进行直接的内存连接。 注意先不用生成代码片段，而是先输出完整的模型定义，我需要对模型定义进行检查和确认。 那么我们写一段提示词，让大模型基于这个提示词帮我们生成一段符合OWL语义标注的完整本体模型定义。 接着第3个关键问题，我一直理解事件定义在本体模型中相对重要。 注意前面的建模并没有去实现本体模型的可视化。
8.5K31编辑于 2026-03-09本体论和AI大模型01-本体和AI的关系，本体建模和传统OO建模
如果简单总结可以归纳为：OWL/OWL2本体论的核心，是通过严谨的TBox（概念层）建模，为ABox（实例层）的知识图谱赋予形式化的语义。 但是可以看到OWL2没有办法承载跨对象，跨对象行为的复杂规则，因此进一步引入了SWRL和SHACL等规则建模语义标准来进行补充和完善。 实际即使静态建模部分我的理解Palantir参考OO建模的更多，而非OWL2建模的思路。同时在动态建模部分完全不是经典本体论建模的推理模式，而是更多的采用AI大模型辅助推理。 它与经典本体论（OWL2）的本质分水岭在于：经典本体践行基于TBox的演绎推理（Deduction），回答‘已知A，必然推出什么B’；而 Palantir 践行基于本体图结构的规划/优化推理，回答‘为了达成目标 更多的方法都是通过AI辅助来构建本体，而这个本体模型本质还是用传统的OWL2模型+SWRL等规则语义，那么你后续推理自然也是演绎推理，这个虽然有价值但是并不是最核心价值的地方。
40310编辑于 2026-09-10企业架构文档转本体模型，本体模型如何更好的解释和支撑企业LTC端到端流程
今天继续结合这套企业架构材料，来看下如何基于企业架构来构建本体模型。 这四类正好对应到本体建模的四个核心元模型。 具体怎么做的呢？ 其他端到端的（IPD、ISC、P2P、P2R、I2R、H2R、S2E）我也顺手做了 7 个，加起来总共 14 个场景文件。 我手上有一份《本体建模规范》（v1.0，八个模型那一套，里面把对象、行为、规则、场景的 YAML Schema 都规定好了）。 这三步做完之后我最大的感受是：规划文档再厚，没有本体模型托底，它还是浮的——落到系统里的时候照样会断链、会扯皮、会口径不一对不齐。本体模型其实不是规划之外的东西，它是规划真正"落地"的那一层。
22210编辑于 2026-09-10- 来自专栏深圳架构师同盟
本体论和本体建模规范：从三模型到十一大模型的发展演进之路
这基本上就包括了经典本体论建模里面OWL和OWL2建模核心的内容。但这里有一个很重要的设计理念我想强调：对象模型描述的是"业务对象"，而不是"数据库表"。 三、V2：引入事件模型——解耦的关键一步三模型出来以后，我做了一个大的版本更新，就是增加了事件模型（EventModel），同时对象模型进行了升级。 接口的原子执行由M2的triggerType=EXTERNAL行为承接，MI与这些模型通过稳定ID双向引用。十一大模型总览好，到这里，整套本体建模规范就形成了完整的内容。 我们来汇总一下：编号模型名称核心职责层级M1对象模型实体、属性、关系、约束L1领域对象层M2行为模型原子行为方法、触发条件、前后置约束L2原子能力层M3规则模型跨对象/跨行为的业务决策规则L3解耦决策层 L1领域对象层：核心的M1对象模型——领域对象，包括聚合根、子实体、值对象、不变性约束、数据字典。L2原子能力层：M2行为模型——领域对象的原子行为方法，形成上层的领域服务层。
23710编辑于 2026-09-21 本体平台总体架构：从需求到本体建模，从本体模型驱动的AI应用构建和数据分析推理
本体建模规范解决“完整需求如何变成可运行模型”的问题。 它把业务系统拆成几个相互引用但职责清楚的模型：M1对象模型描述业务中有哪些核心对象、属性和关系；M2行为模型描述这些对象能执行哪些操作；M3规则模型描述校验、计算、推导和风控等可复用规则；ME事件模型描述业务状态变化后触发的事件及订阅关系 这样后续模型生成出现问题时，可以回到需求来源定位原因。 2. 本体模型引擎 本体模型引擎负责把需求文档转成本体模型，并管理模型的生命周期。它既要支持自动生成初始模型，也要支持人工调整和版本管理。 它根据M1对象模型生成数据库结构和领域对象，根据M2行为模型生成接口和服务骨架，根据M3规则模型生成校验与计算逻辑，根据M4场景模型生成流程编排，根据M5主体模型生成权限配置。 加入需求引擎和应用生成引擎，支持从一句话需求到需求文档、从需求文档到本体模型、从本体模型到可运行应用。
34910编辑于 2026-09-10- 来自专栏技术博文
Java基础（2）Java三大版本体系
Java一共分为三个体系： JavaSE（J2SE）（Java2 Platform Standard Edition，java平台标准版） JavaEE(J2EE)(Java 2 Platform,Enterprise Edition，java平台企业版) JavaME(J2ME)(Java 2 Platform Micro Edition，java平台微型版)。 JavaSE（JavaPlatform，StandardEdition） JavaSE曾经称为J2SE。 Java EE 是在 Java SE 的基础上构建的，它提供 Web 服务、组件模型、管理和通信 API，可以用来实现企业级的面向服务体系结构（service-oriented architecture JavaME包含灵敏的用户界面、强健的安全模型、许多内置的网络协议以及对能够动态下载的连网和离线应用程序的丰厚支撑。
1.1K10发布于 2021-10-22 本体论和AI大模型03-什么场景要用本体论，本体论究竟解决了什么业务问题？
今天继续聊本体论和AI大模型，今天核心的主题就是本体论究竟解决了什么问题，带来什么核心的业务价值。 因此固化当前的场景虽然也可以用本体，但是从来不是本体真正的重点，真正的重点是真正理解了完整的本体模型的业务语义，真正能够做到出现新场景下的举一反三。这样才能够充分发挥AI大模型+本体的价值。 提供这个完整语义最佳的方式就是本体模型。所以原来我们只谈本体给AI大模型提供了丰富的，精确的业务语义还是没有直达最本质的东西。核心是AI要能够替代关键人员的思考过程。 这些往往就是需要本体模型+AI辅助的关键点。 所以如果你看我前面文章，我其实对经典本体论不太感冒。AI时代只有本体模型+AI大模型两者充分结合才能够真正发挥巨大的价值。 一个是最下面的Foundry+AIP的本体建模底座和AI分析推理底座的沉淀。还有一个就是面向垂直行业或者说是垂直业务的本体模型经验沉淀。而真正更加重要的我认为反而是中间层内容逻辑的沉淀。
26410编辑于 2026-09-10- 来自专栏用户2133719的专栏
本体入门（一）：本体构建 101
本文旨在介绍本体的基本概念和通用构建方法。 1 为什么构建本体？ 构建本体的原因主要有以下几点： 在人或软件之间分享对信息结构的共同理解 实现领域知识的重复使用 使得领域假设更明确 将领域知识与操作性知识分离 分析领域知识 2 什么是本体？ 我们要用这个本体来干什么？ 本体中的信息应该为何种类型的问题提供答案？ 谁将来使用并维护本体？ 第二步 考虑重用现有的本体 在从头开始构建本体之前，最好先调研是否有相关的本体已经被构建出来了。我们可以基于这些本体进行进一步的改进和扩展。 关于 siblings 的数量：一般在 2-12 个之间： 如果只有一个子类，说明建模可能有问题或本体不完整 如果超过一打子类，则可能需要一个额外的中间类 有时候，如果没有自然的中间类，那么可以保持原样
3.7K33发布于 2020-08-15 - 来自专栏深圳架构师同盟
本体论和AI大模型04-从本体论到认识论，本体应用和实践真正的瓶颈在哪里？
同样，对于本体模型，如果脱离场景和应用，那么本体模型本身没有体现存在的意义，或者说了为了本体而本体。在我的本体建模规范里面，我将场景问题和本体模型的映射，放到了场景模型定义中。 但是场景模型按道理不属于狭义的本体建模范畴，但是场景模型解决了一个关键点，就是本体模型存在的意义和价值问题。场景模型让本体模型的价值得以体现。 存在的本质如何定义，如何抽象，如果这是本体论研究的范畴。那么这个本体模型究竟应该如何形成？我们的建模方法论是如何的？包括这个本体模型形成后，如何应用这个本体模型去解决问题，去分析和推理。 所以本体模型本身也不是重点，重点是你如何基于业务形成本体模型，同时确保整个本体模型是正确的。包括你如何基于场景问题应用本体模型，去发挥本体模型的价值。这个才是重点。 方法论+本体模型才能够真正发挥本体应用的价值。那么AI大模型公共知识库里面有无方法论？
25420编辑于 2026-09-29 - 来自专栏深圳架构师同盟
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
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。 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。 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。 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。 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。
4800编辑于 2026-10-06 - 来自专栏本体研究院
本体技术视点 | 身份的五种思维模型（二）
，为什么要建立身份的思维模型 Part 2 介绍五种关于身份的思维模型 Part 3 五种身份思维模型的交集和推荐做法 上一章节我们讲到，思维模型是真实、假设或虚构情况的心理学表示。 通过理解五种思维模型，我们可以更好地进行身份系统的讨论和工程设计。本期我们将带来五种思维模型的主要特征和具体解释。 ---- 五种思维模型 每个思维模型对“身份”识别、记住和响应的方式都不相同。 02 展示思维模型 展示思维模型将身份视为我们将自己展示给社会的方式。供应商关系管理、以用户为中心的身份以及自主身份背后都是这种思维模型。 是指每个对象选择让外界认识自己的方式吗？ ? 要建造一个系统，属性思维模型是最简单的一种模型，部分原因在于，属性思维模型是唯一一个有国际标准提供正式定义的思维模型。 04 关系思维模型 在关系思维模型中，身份产生于与他人的互动和与他人的关系。 这一思维模型包含一些可见的物理特征，比如一个“身高至少达到这么高”才能坐过山车的测试就基于这种模型。
81330发布于 2020-08-07 大模型时代，本体建模还是个好技能吗？
今天我把这个问题摊开来说——大模型时代，本体建模到底还值不值得学，LLM能不能替代本体工程师，我实测下来的结论是怎样的。 ▎ 两种极端的观点 现在圈子里对这个问题，基本两派。 一派说：LLM懂一切，不需要本体了 理由是：GPT-4、Claude、Qwen这些大模型，训练数据里包含了大量的百科知识、领域术语、概念关系——你问它"采购申请和报销申请有什么区别"，它能答得头头是道； 起草本体初稿 一个新领域，你不知道怎么分类，让LLM先出一个草稿，你再改——比从零开始快。我现在的做法是：LLM出初稿 → 我审改 → Protégé里细化。 2. 2. 保证本体的一致性和可推理性 LLM生成的OWL文件，经常有隐藏的矛盾——比如两个类被定义成不相交（disjoint），但某个个体同时属于这两个类，推理机就会报错。 本体建模的核心能力，从来不是"记住OWL语法"，而是： 1. 业务理解能力——你能不能把一个复杂领域的关键概念抽象出来？ 2. 建模决策能力——这个关系用对象属性还是用子类表达？
14910编辑于 2026-09-09- 来自专栏本体研究院
本体技术视点 | 身份的五种思维模型（一）
，为什么要建立身份的思维模型 Part 2 介绍五种关于身份的思维模型 Part 3 五种身份思维模型的交集和推荐做法 01 摘 要 无论是数字身份系统还是非数字系统的工程师，都会在工作中作出一些假设和要求 我们提出五个不同的思维模型，这些模型来源于对技术人员和非专业人员在讨论身份时对话的观察。随后，我们将探究观察到的讨论和设计模式，这些模式皆由思维模型的交集产生。 我们期待收到有关此思维模型方法以及我们描述的五个思维模型的反馈和建议。 从观察中，我们确定了五个不同的身份思维模型，每个模型都有自己的框架，目的和定义性问题。这是身份的五个正交思维模型。 这些思维模型是自然而然的概念，源于人们对身份的需求。尽管可以教授这些模型，但我们的观察表明，这些模型更经常被争论和假定（国际标准中包含的“属性”思维模型除外）。
62520发布于 2020-07-31 本体驱动ERP｜大模型也会认错人：我是怎么用本体做实体消歧的
s2) ^ hasCreditCode(?s1, ?c) ^ hasCreditCode(?s2, ?c) ^ differentFrom(?s1, ?s2) -> aliasOf(?s1, ? 启示一：大模型是好的提取器，不是好的裁判。裁判必须是可审计的规则 + 本体定义的身份判据。本体提供 ground truth，大模型提供候选——分工清清楚楚。 而"定义概念和关系"恰恰是本体最擅长、大模型最不擅长的事。这俩不是替代关系——本体定规则、大模型提候选，合起来才是一个能上线、能审计、能回滚的企业级方案。 如果你也在做知识图谱落地、大模型 + 企业数据、或者任何"系统认人"的场景，实体消歧这道坎早晚要过。别信编辑距离，别让大模型当裁判，把"什么是同一个"写进本体里。 ■ 互动时间 1. 2. 实体消歧你用的是规则、向量相似度、还是大模型？效果咋样？ 3. 如果让你给本体加一条"同名异实"防火墙规则，你会怎么写？ 评论区聊聊。
14110编辑于 2026-09-09对本体论实践的再思考-AI大模型下要抛弃传统的本体实践思路
大家特别要注意到了OWL2规范后，增加了属性链的概念，更加方便了这种关系泛化到个体实例层面。也就是本体论实践核心对象属性关系逻辑在TBox抽象模型层，而不会单独在ABox实例层构建这些关系。 最基础的模型加载和推理流程： 1.加载TBox的抽象本体模型（OWL类，属性，关系） 2.基于场景问题筛选数据加载ABox（RDF三元组） 3.加载规则（OWL+SWRL+SHACL） 4.执行推理 其次 传统本体建模标准是否适合AI用？ 包括我在谈本体建模和本体模型的时候提到另外一个重要观点。就是构建的本体模型应该是一套更加适合AI大模型理解的业务语义模型。 其次就是我一直谈到的这种本体模型定义中缺少了关键的场景模型定义（可以理解了算法模型，是提前预设的行为规则的组合），本体建模是为场景问题服务，缺少了场景模型定义，整个本体模型缺少了关键的牵引。 大家特别要注意，到了 OWL2 规范之后，增加了属性链（Property Chain）的概念，更加方便了这种关系从抽象层泛化到个体实例层。
1K10编辑于 2026-06-15- 来自专栏本体研究院
本体技术视点 | 央行数字货币模型的简单认识
虽然英国央行还没有决定是否发行 CBDC，但我们还可以从中看一看他们对 CBDC 设计原则、可能平台模型等的一些认识。 英国央行CBDC的假想模型 英国央行的讨论文件中给出了一个假想的基于分层架构的平台模型。分层架构可以促进竞争、创新和扩展。 在这个模型中，所有 CBDC 支付都实时结算。支付完成后，交易将不可撤销，钱也会直接进入收款人的账户中。 基本支付、商业销售点支付、离线支付、打包支付、微支付、可编程性等不同类型的支付都是这个模型支持的支付功能。 ? 03 叠加服务 在该模型中，核心账本拥有相对简单的功能，因此支付接口提供商可以开发叠加服务以提供额外功能。
1K20发布于 2020-04-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号