本体平台的事实治理:不可变观察账本与双时间模型

上一篇讲完契约怎么造出来,本篇转向运行平面最要命的一层:事实。本体再漂亮,喂进去的事实是错的,查询、报表、Agent 决策就全错——而且在 Agent 场景下,错误会被自动执行成业务动作,错了还要赔钱的那种。事实治理因此是平台的命门,值得用一整篇的篇幅把结构说透。

事实可信与数据合规分开管理

为什么事实治理是平台的命门

传统数仓的惯例是「后到覆盖先到」:一条 UPDATE 把旧值抹掉,来源、依据、谁改的一概不留。报表时代这尚可容忍;Agent 时代不行。Agent 基于当前事实自动发起业务动作,一次错误事实就是一次错误执行;而事后追责需要还原「当时平台认为什么是对的」。覆盖式更新两头都毁:既毁当前的可信度(这条值有没有依据无从知晓),又毁历史的可还原性(认知被改写)。

平台需要的是一套把「可信」与「合规」分开管理的事实治理结构:原始观察不可变,净化过程留痕,消费按契约投影。下面四节依次展开。

不可变观察账本

治理的基石是观察账本(observation ledger):权威来源、文档与事件以 append-only 方式入账。每条观察至少携带六元信息:实体、属性、值、业务有效时间、摄取时间、来源引用。原始观察永不覆盖、永不删除——它是平台里唯一拥有「不可变」特权的层。

不可变的价值有两面。向前看:任何后续修正都以新观察的形式追加,错误值不被抹掉,而是被标记;向后看:审计与回溯永远有原始凭证,不存在「历史被重写」。所有后续的确认、评价、投影,都是账本之上的只读加工——账本动不了,其他层的对错才有裁判依据。

账本入账有三条工程规矩。幂等摄取:同一来源引用重复推送时去重,只记一次,避免账本被重复消息撑爆;来源登记:每个来源系统先在平台登记(负责人、可信级别、契约版本),未登记来源的观察默认进争议态;值只进账不解析:账本存的是「来源说了什么」的忠实记录,不做业务解释——解释是契约(映射)层的职责。

两条后处理支路

账本之上的净化分两条独立支路,互不替代。

来源确认:三态状态机

第一支路是来源确认,把观察推向确认、争议、撤回三态。确认表示来源方或业务责任人背书;争议表示出现冲突证据(比如两个来源给出不同值);撤回表示来源方收回原观察(上游误发数据是典型场景)。状态机单向演进:pending → confirmed / disputed,disputed → confirmed / retracted,撤回是终态。每一步转移都记录决策人与决策时间,转移本身也是一条留痕记录。确认权的分配是这条支路的治理核心:高可信来源(有契约背书的一手系统)可配置自动确认,低可信来源(人工报送、外部抓取)必须人工确认;批量确认要留批次记录,事后可整批追溯。确认不是走过场——它把「数据可信」从技术问题变成可追责的治理动作。

独立质量评价

第二支路是质量评价,用约束(SHACL 形状)对观察打分:违反了哪个约束的哪个版本、违反范围多大、在哪个视图被判违规。关键设计是评价与事实分离——违规记录单独存放,不改动观察本身。约束本身也有版本:同一条观察在旧约束下合法、新约束下违规,两次评价记录都应存在,这是日后回放与争议仲裁的证据。

两条支路回答的是两个不同的问题:来源确认回答「这条事实可信吗」,质量评价回答「这条事实合规吗」。可信但不合规(业务上真实发生、但违反新政策)、合规但存争议(格式合规、来源打架)都会出现——分开管理,才能各自处置。

按契约生成消费视图

账本与净化结果不直接暴露给消费方,而是按契约投影成三类视图,各有各的口径。

  • 质量诊断视图:面向治理人员,违规记录原样可见。它的使命是暴露问题,不做任何过滤与粉饰。
  • 普通查询视图:面向应用与报表,返回当前值加质量标记(置信状态、是否过期);被撤回的观察不再出现在当前值里。
  • 动作视图:面向 Agent 与动作校验,口径最严——只放行已确认、未撤回、未违反当前约束版本的事实;条件不满足时,动作视图不提供该事实,动作校验自然拒绝。

三类视图同一账本、三种投影:诊断视图不粉饰,查询视图不冒进,动作视图不冒险。消费方按场景选视图,而不是各消费方各自清洗——口径统一收在投影层,是治理可审计的前提。

三类视图的时效策略也不同。诊断视图可以容忍分钟级延迟;查询视图按热键增量物化,读写路径都走缓存;动作视图必须实时校验——宁可多付一次计算,也不让 Agent 拿着过期事实做决策。时效差异是刻意的:越靠近钱与动作的视图,越不允许快照化。

双时间模型:业务有效时间与平台认知时间

上述结构的骨架是双时间模型(bitemporal model):每条事实带两个正交的时间轴。

  • valid_at:业务有效时间——这条值在现实世界里从何时生效;
  • known_at:平台认知时间——平台在何时知道并记录了它。

用一组例子讲透。某商品价格 10 月 20 日起调为 199 元:这条观察的业务有效时间是 10 月 20 日,平台在 11 月 1 日完成摄取与确认。于是 11 月 5 日查询时,平台「知道」一个从 10 月 20 日起生效、且已被确认的值——两个时间轴各自成立。11 月 10 日上游撤回该调价:撤回本身也是一条 known_at 为 11 月 10 日的新记录,而不是把旧观察删掉。

双时间的威力在回溯。问「11 月 5 日那天,平台认为当前价格是多少」,答案是 199 元(已确认、未撤回);问「今天回看,10 月 25 日的真实价格应该是多少」,答案取决于业务侧对撤回生效时点的裁定,而不是被覆盖的旧值——历史认知可以逐点还原,这正是审计要的能力。只有一个时间轴的系统里,这两个问题永远无法分别回答。

两个时间轴不能合并,因为它们由不同的行为产生:业务有效时间由业务侧声明(「这价格 10 月 20 日起生效」),平台认知时间由摄取动作产生(「平台 11 月 1 日才知道」)。业务侧会改口(生效日期修正),平台侧会迟到(数据晚到一周)——任何一侧的变化都只该影响自己的轴。合并成一个时间戳,等于把「世界何时是这样」与「我何时知道」搅在一起,历史还原从此无从谈起。

双时间还解决一个反直觉场景。11 月 12 日上游发来新值 299 元,但该值违反了新约束(超出该品类价格上限)。此时不能因为新值违规就「退回」旧值 199 元——旧值已被撤回,回退等于用被否认的认知替换当前认知。正确行为是:新值进入争议状态,查询视图返回「该属性当前无有效值」,动作视图拒绝一切依赖该属性的动作,直到来源方给出合规值。宁可空缺,不要污染。

业界对照:Zep 与双时态传统

这一结构在业界已有同构实现。Zep 团队的 Graphiti(开源 getzep/graphiti,论文 arXiv 2501.13956,2025 年 1 月)为 LLM 记忆构建双时间知识图:每条事实带 t_valid/t_invalid(业务有效区间)与 t_created/t_expired(摄入与过期时间),事实可过期、可修正而历史不丢,在 DMR 与 LongMemEval 等评测上超过 MemGPT 基线——验证了双时间模型对 Agent 记忆的实际价值。

更深的根在时态数据库领域:有效时间(valid time)与事务时间(transaction time)正交的双时态模型由 Snodgrass 等人在上世纪八九十年代确立,并进入 SQL:2011 标准的时态特性。平台时代的「新」做法,本质是把数据库社区打磨了三十年的模型搬到知识层——不必发明,只需搬运。

另一个值得留意的进展是 RDF 1.2:三元组标注(triple terms)已于 2026 年 4 月进入 W3C 候选推荐(截至 2026-11 未转正)。RDF 原生支持「关于三元组的元数据」后,来源与质量信息可以直接挂在事实边上,不必再靠分离表建模;但在标准转正与生态跟进之前,分离表方案仍是工程上的稳妥选择。

工程落地清单

把上述结构落成表结构,最小集是三张表:

CREATE TABLE observations (
  obs_id     TEXT PRIMARY KEY,
  entity_iri TEXT NOT NULL,
  property   TEXT NOT NULL,
  value_json TEXT NOT NULL,
  valid_at   TIMESTAMP,          -- 业务有效时间
  known_at   TIMESTAMP NOT NULL, -- 平台认知时间
  source     TEXT NOT NULL,      -- 来源系统
  source_ref TEXT NOT NULL       -- 来源内引用(文档/事件 id)
);

CREATE TABLE confirmations (
  obs_id     TEXT NOT NULL REFERENCES observations(obs_id),
  status     TEXT NOT NULL CHECK (status IN
             ('pending','confirmed','disputed','retracted')),
  decided_by TEXT NOT NULL,
  decided_at TIMESTAMP NOT NULL,
  PRIMARY KEY (obs_id, decided_at)
);

CREATE TABLE quality_findings (
  finding_id    TEXT PRIMARY KEY,
  obs_id        TEXT NOT NULL,
  constraint_id TEXT NOT NULL,   -- 约束标识
  constraint_v  TEXT NOT NULL,   -- 约束版本
  severity      TEXT NOT NULL,
  found_at      TIMESTAMP NOT NULL
);

当前值投影的口径:按(实体, 属性)分组,在指定回溯时点 known_at <= T 的记录里,取未被撤回、状态为已确认的最新观察。三个工程要点:

  • 确认状态机显式建表,禁止用「删记录」表达撤回;
  • 投影物化按热键增量重算(新观察只重算受影响的实体-属性组),冷数据走定时对账;
  • 动作视图必须实时校验,不能用过期快照——Agent 决策依据与执行依据之间不允许有时间差。

两个容易被漏掉的运维项。回溯查询:「按任意时点还原当时的当前值」要有专门接口与索引(按 known_at 建索引),不能靠全表扫描现算。账本保留:append-only 意味着账本只增不减——按月分区、冷数据转列存归档是常规手段,但「不可变层永不删」这条原则不动摇:归档只是搬家,不是销账。

小结

事实治理的核心结构是「不可变账本 + 双支路净化 + 契约化投影」:原始观察永不覆盖,可信与合规分开评价,三类消费视图各司其职;双时间模型保证历史认知可还原、坏值不会被旧值掩盖。对 Agent 平台而言,这一层不是锦上添花——它决定了 Agent 的每句话有没有根据、每个动作敢不敢执行。

参考资料

← 返回资讯列表

读者留言

COMMENTS 暂无
仅本站原创文章开放留言 · 请勿留下手机号、邮箱等个人信息

还没有留言,来说第一句?