Palantir Foundry 深度研究(八):为什么 Agentic 系统需要本体

「为什么 Agentic 系统需要本体」是整个系列的起点命题,第一篇从失败模式给过总论证。本篇把它钉到机制层:Palantir 是把这件事做得最彻底的公司,它有三篇公开的系统性论证、一整套平台机制作为证据、以及一个被外部生态反复独立验证的判断。本篇按「官方论证 → 机制验证 → 第三方回响 → 反方观点」四步走完这个论证,最后给出可带走的自建清单。

flowchart LR
  Agent[Agent 控制循环] --> Read[查询有类型的对象与关系]
  Read --> Context[本体提供业务上下文与证据锚点]
  Context --> Logic[确定性函数与业务规则]
  Logic --> Propose[提出类型化动作]
  Propose --> Gate[权限与提交条件裁决]
  Gate -->|需确认| Human[人在环审核]
  Gate -->|已授权| Execute[执行 Action]
  Human --> Execute
  Execute --> Audit[动作日志与决策谱系]
  Audit --> Agent

官方论证三部曲

Palantir 论证「LLM 需要本体」的公开材料里,三篇最有分量,横跨 2024 到 2026,立场一以贯之。

第一篇,《Ontology-Oriented Software Development》(2024-01,Ontology 产品负责人 Peter Wilczynski)。论证起点不是 AI 而是企业软件碎片化:集成知识被锁进每个应用的胶水代码,「组件模型到共享概念模型的翻译」在每个应用里重复发生。本体把数据、逻辑、动作统一到共享语义层,翻译只发生一次。OSDK 的定位原话:「用你业务的语言,为你的业务构建 API」。文中最常被引用的一句判断是:「企业语境下的运营 AI 不是一个 AI 问题——是一个本体问题」(operational AI in an enterprise context is not an AI problem — it's an ontology problem)。作者还引了 Brooks 的《No Silver Bullet》自警:本体不消除本质复杂性,只是把复杂性封装到一个地方。

第二篇,《Connecting Agents to Decisions》(2026-04),把本体定义成「表示企业中的决策而非仅仅数据」的决策中心架构。对 Agent 最关键的一段是名词动词论:「如果本体中的数据元素是企业的名词,那么动作就是动词」。Agent 光懂名词做不了事——它需要一组类型化、受治理的动词。官方明确把 RAG 贬了一级:「本体让 Agent 超越检索增强生成以数据为中心的局限,通过可扩展的工具范式与互联的数据、逻辑、动作原语交互」。护栏表述同样直白:「本体提供了让 AI 在许可边界内安全行动所需的护栏」,Agent 动作默认只 staged、由人终审,信任增长后权限可以「外科手术式」逐步放开。

第三篇,《Securing Agents in Production》(2026-01,Agentic Runtime 系列首篇),给出了一个冷峻的工程定义:Agent 是「反复调用无状态推理核心的有状态控制循环」。安全主张里与本主题最相关的是:官方把四类记忆(工作、情景、语义、程序性)都纳入经本体治理的设计,目标是收敛成一个统一安全面;工具调用走「来源追踪安全」(provenance-based tool security),运行时解析整条调用链并据此阻断不符合授权链的调用。官方另提到违规工具版本可在编译期拦截——两种控制分别位于运行时与构建阶段。

小结:三篇合起来是一条完整逻辑链——语义碎片化是根因(第一篇)→ 名词动词齐备才有行动能力(第二篇)→ 语义统一才有统一安全面(第三篇)。

机制验证:四类失败的对症清单

官方博客是「说」,平台机制是「做」。把本系列第一篇的四类失败与 Foundry 机制逐条对上,验证论证不是空谈。

幻觉无锚点 → 对象即事实。Agent 的事实锚点不是检索片段,而是有主键、有类型、有权限的对象;派生属性读时计算、自动反映最新数据,杜绝「过期事实快照」;语义检索的向量也挂在对象上,「证据」与「实体」同一个权限体系。

词汇不统一 → 类型即语言。对象类型、属性、链接类型全企业一套定义;OSDK 从本体生成类型代码,外部应用与 Agent「以业务的语言」编程;Ontology MCP 把同一套类型暴露成工具——消费方再多,词汇只有一份。

行动无契约 → 动作即动词。这是最硬的一条证据:OSv2 明确「用户编辑只支持经 Actions」——连人都必须走契约。Agent 的行动走同一个动作类型:参数 schema 结构化、提交条件做业务闸门、webhook 副作用带事务性保证(外部请求失败则本体不变更)。不存在「AI 专用旁路」,因为契约本来就没给人类留旁路。

权限无边界 → 安全即语义。授权模型跟着对象走而非跟着表走;动作的提交条件里可以放「当前用户属于哪个群组」这类身份判断;Agent 工具调用经与数据访问同一套安全架构动态裁决——「工具使用通过与治理数据访问相同的安全架构动态强制」。

四条对完,结论自洽:Foundry 不是「也支持 Agent」,它的本体从设计之初就是按「人、系统、Agent 三类主体共用一个操作面」的规格建的——Agent 只是这个操作面最新的租户。

小结:官方论证在机制层全部可验证;其中「连人都走动作类型」是把 Agent 安全从「附加承诺」变成「结构必然」的关键一笔。

第三方的回响:语义缺失是行业级问题

如果只是 Palantir 自说自话,论证的可信度要打折。但过去两年,第三方生态从不同方向撞上了同一堵墙。

MCP 的语义缺失。MCP 规范里每个工具就是「名字 + 自然语言描述 + JSON Schema」——语义组织完全靠 server 作者自觉。后果已有实测数字:Anthropic 工程博客《Code execution with MCP》(2025-11-04)举例说明,工具目录膨胀时,仅工具定义就可能消耗约 150K tokens;把 MCP server 当代码 API、按需读取定义后,示例降到约 2K tokens,文中报告节省约 98.7%。这组数字是文章示例,不应外推为所有 MCP 部署的固定开销。Speakeasy 的实测更直接:40 个工具静态加载 43,300 tokens,400 个工具直接膨胀到 405,100 tokens——超过 Claude 200K 窗口,任务根本无法开始。渐进式发现(progressive discovery)与语义检索能降到千级 tokens,但文章诚实地标注了瓶颈:「LLM 对整体上有哪些工具可用并无洞察」,检索质量完全取决于工具描述写得好不好——自然语言字符串撑不起规模化工具语义。有意思的是 Palantir 自己也在补这个洞:Palantir MCP 默认只暴露一个 search_tools 工具按需揭示目录;Ontology Manager 里专门有「Agent tool description」字段,让建模者为每个动作写给 Agent 看的说明。本体平台出身的团队,对「工具描述需要语义治理」这件事有肌肉记忆。

云厂商给出的组合模式。AWS Prescriptive Guidance 有一份以 Ontology、Symbolic Reasoning、Virtual Knowledge Graph 与 MCP 为主题的 Agentic AI 指南,示例展示了 MCP Client 经 Bedrock AgentCore Gateway 调用 Lambda 工具、再按需连接 AgentCore Runtime 的集成方式。它可以作为「本体/虚拟知识图谱与 MCP 可组合」的证据;该指南页面并没有证明 AgentCore 本身缺少语义层,也不应被引作 AWS 对产品缺口的承认。

学术侧的 grounding 论证。2026 年 8 月的 OaK 论文(arXiv:2608.22974)把问题陈述得很干净:「LLM Agent 高度依赖模型参数中的知识或非结构化上下文,在领域任务里这让重要的语义连接保持隐式,导致证据利用不完整、多步决策脆弱」;其方案是以本体为内核(ontology-as-a-kernel)按任务动态构建本体 + 知识图谱,在 TravelPlanner、CRMArenaPro、ToolQA 上验证了可靠性与证据 grounding 的提升。Google 的 DataGemma(2024-09)则连接 Data Commons 知识图谱,以现实世界统计数据为 LLM 回答提供依据;Google Research 当时称 Data Commons 包含超过 2500 亿个全球数据点。两者都说明「结构化知识可作为接地来源」,但不能据此推出所有 Agent 都需要同一种本体实现。

小结:工具语义、平台语义、学术 grounding 三条线都指向一个值得认真对待的判断——Agent 规模化后,结构化语义可能成为可靠性的关键基础之一;本体是其中较成熟、可治理的一种承载形式。

反方观点与适用边界

诚实的论证必须呈现反方。反对「Agent 需要本体」的声音主要有三类,各有各的道理。

第一类,成本论:构建和维护本体很贵。GraphRAG 社区对此体会最深——每个文档块都要过一遍 LLM 抽实体关系,又贵又慢;有从业者发出过尖锐质疑(大意是「当知识图谱 73% 的节点边是错的、不完整的或无法验证时,Agent 的推理再好也没用」——此引语在社区流传但原始出处未能核到,本文只当「存在此类批评」处理,不采信具体数字)。这个批评指向的不是本体本身,而是半成品本体:质量门槛不达标的本体确实比没有更危险,因为它给了错误一个权威的外壳。

第二类,复杂度论:简单场景直接 SQL/API/RAG 就够,上本体是过度工程。这个判断在场景层面基本成立——任务复杂度决定语义层的厚度。一个查订单状态的客服 Agent,三张表加一个 API 就稳;要跨 ERP、CRM、供应链做推理决策的运营 Agent,没有共享词汇根本无法工作。折中派的主流观点也是「图查询是 Agent 的众多工具之一」:简单查找走 SQL/API,多跳多源推理才值得上图。

第三类,锁定论:把业务词汇、动作契约、Agent 权限都建在一家商业平台上,迁移成本随时间指数上升。这个批评无法从产品层面反驳,只能靠架构纪律缓解——核心词汇保持可移植格式(RDF/SHACL 这类开放规范)、平台私有扩展明确标记、出口路径写进架构决策记录,前作《企业落地与未来》给过同样的处方。

把这些综合起来,适用边界可以画得很清楚:本体不是 Agent 的标配,而是「多源、多主体、有写权限」场景的标配。单源只读小场景,直接 API;一旦跨系统、多 Agent 协作、或者 Agent 要动权威数据,语义契约的投资就开始回本。

小结:反方三类声音(成本、复杂度、锁定)全部有效,但它们共同指向的是「怎么建、何时建」,而不是「要不要语义结构」——这一层共识其实已经形成。

给自建者的论证清单

把整篇论证压缩成五条,可以直接进你的架构决策文档:

  1. 先盘点翻译次数:如果每个新应用/新 Agent 都在重新解释同样的业务词汇,语义层投资立刻回本;只有一两个消费方时,先别建。
  2. 写路径先契约化:无论上不上完整本体,把「改数据必须走类型化动作、带校验与审计」这条做起来——这是 Agent 时代最不能省的地基,也是 Agent 到来之前就该做的事。
  3. 工具描述当语义资产管理:给每个 MCP 工具、每个 API 写类型化的描述,而不是自然语言即兴发挥——工具数量过百后这是检索质量的生死线。
  4. 权限跟着语义走:行级权限、动作权限、工具权限用同一套裁决点,不要给 Agent 单独开权限旁路。
  5. 给反方留检查点:每个季度评估一次本体的质量指标(约束违规率、对齐覆盖率)与使用率——半成品本体是负资产,及时收缩范围比硬撑更明智。

小结:论证的落点不是「本体万岁」,而是一张分场景的决策表;Foundry 的价值是提供了这张表的「工业级参考答案」。

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?