导读
把 Palantir 关于本体的四篇官方文献按时间排开,会看到一个容易被忽略的事实:“Ontology”这个词的外延,在两年里被悄悄扩大了三次。
2024 年 1 月,它是“把集成知识集中一次”的语义抽象层;2026 年 1 月,它变成 Agent 四类记忆的统一承载;2026 年 4 月,它加上动词,成为改变世界的能力;到了 2026 年 11 月的《Evals as the Substrate for Sovereign AI》,它已经变成“什么算一次好决策”的版本化记录。
官方从未重新定义过这个词。于是产生一个普遍误读:用 2024 年的理解,去评价 2026 年的平台。 结果是两边都不对——说它“就是数据建模”的人没看到动作与标准;说它“是操作系统”的人没看到它的判断权仍然悬空。
本文试图做一件更基础的事:把这四次迁移讲成一条有生成逻辑的序列,逐代说明它解决了什么问题、留下了什么内生缺陷、以及解法是什么。
一、先立判据:本体在依次吞并四种语气
如果只是把四代列成“越来越强”的阶梯,那不过是厂商叙事的复述。要让这套划分可用,必须回答一个更硬的问题:是什么力量在推动迁移?
我的答案是:不是功能需求,而是某一种语气(modality)无法被当前结构表达。本体依次在吞并四种语气:
| 代 | 吞并的语气 | 它回答的问题 | 它无法表达的东西 |
|---|---|---|---|
| 一、抽象层 | 陈述(descriptive) | 世界里有什么、怎么连 | 时间:什么是“现在” |
| 二、记忆基座 | 时间(temporal) | 那时是什么、我何时知道 | 意图:为什么要这么做 |
| 三、动词层 | 施为(performative) | 允许怎么改变世界 | 规范:这次改变对不对 |
| 四、标准载体 | 规范(normative) | 什么算一次好决策 | 异议:谁有权说它不好 |
这张表给出一个可检验的推论:
每一代的“缺陷”,精确等于“下一代才有的那种语气”;而每一代的解法,正是下一代的缺陷来源。
所以这条线不是进步叙事,是螺旋。判据也随之而来:任何系统宣称进入第 N 代,却仍无法表达第 N 代对应的语气,它只是换了词汇。
二、第一代|抽象层:解决了“碎片化”,留下了“谁来定义”
它解决的问题
2024 年 1 月,Palantir 本体系统产品负责人 Peter Wilczynski 写下《Ontology-Oriented Software Development》。这篇文章的论证起点根本不是 AI,而是企业软件的结构性失败:
- 行业把人力资本集中在“模块化组件”,而不是把组件整合成能影响业务结果的系统;
- 于是出现悖论:组件层面进步巨大,系统层面停滞甚至退化——因为孤立优化的组件越来越难同步变更;
- 更尖锐的一句是:现有架构“为风险投资家的回报优化,而不是为客户的结果优化”。
解法是把“如何与各系统交互、如何协调不同数据模型、如何编排动作”这套知识,从每个应用的胶水代码里抽出来,集中到共享层。原文的定位很清楚:“OSDK 不是给产品做通用 API,而是给你一套用你业务语言构建 API 的工具包。” 代码从 Airplanes / FlightSchedule / Airports 写起,而不是从 rows and columns 写起。
顺带给出一个对后来影响极大的观察:“AI 系统更像应用而不是用户——它们直接与 API 交互。” 这句话解释了为什么 AIP 能快速落在本体之上:本体恰好提供了那个统一的 API 表面。
它留下的缺陷(三条,均为内生)
其一,语义无裁决。 全文回避了一个政治问题:谁有权定义“订单”?当两个部门对同一实体有两套口径,本体没有裁决机制,只能让“谁的系统先建”或“谁的部门强”来决定。这不是没做完,是这一代的结构性盲区——它把 schema 当既定前提。
其二,抽象泄漏。 作者自己引了 Brooks 的《没有银弹》自警:系统集成充满本质复杂性,只能管理、无法消除。问题在于,被封装起来的复杂度不会消失,只会转为静默失败——源系统改了字段,本体属性仍可查,但值为空或陈旧,而且不报错。错误不在编译期暴露,在业务决策期暴露。
其三,本体熵增。 抽象层的价值来自复用,复用产生依赖,依赖抬高变更成本。于是那个“把边际成本压到趋零”的机制,最终抬高了“修改核心的成本”。本体越大,越不敢动。
解法
| 缺陷 | 机制 |
|---|---|
| 语义无裁决 | 语义权威(每个类型有具名负责人)+ 变更影响面预计算(在依赖边上算 blast radius)+ 版本戳 |
| 抽象泄漏 | 把 provenance / freshness 做成一等属性:每个对象与关系记录来源系统、时空上下文、置信度 |
| 本体熵增 | 分层(upper / core / domain / local)+ 只增不改:修正语义不复用旧 IRI,用新 IRI 取代旧语义 |
第三条在工程上尤其值得抄:不复用旧 IRI,意味着下游不会在不知情的情况下“语义被改变”。代价是三元组膨胀,以及查询时必须做版本过滤。
这一代的产物是“可复用的语义”,不是“可执行的判断”。 它解决了读,没碰写。
三、第二代|记忆基座:解决了“Agent 上生产不安全”,留下了“记忆与事实混同”
它解决的问题
2026 年 1 月 22 日的《Securing Agents in Production》(Agentic Runtime 系列首篇),把 Agent 从“聊天/链式调用”重新定义为一句工程定义:
一个反复调用无状态推理核心、解释其输出、执行工具与记忆操作、把结果回灌直至满足终止条件的有状态控制循环。
定义一换,安全问题的对象就从“模型”变成了“循环”。于是有了五维安全面:推理核心的安全接入、执行器的隔离编排、跨所有记忆形态的细粒度策略、多模态工具的受治理调用、实时可观测与事后审计。
真正有理论贡献的是记忆四分法,以及“四种记忆由同一套本体承载”这个设计:
| 记忆类型 | 内容 | 本体的承载方式 |
|---|---|---|
| 工作记忆 | 本轮循环内的 prompt 与变量 | 通过 Actions 更新,形成“会话账本” |
| 情景记忆 | 跨会话、带时间标记 | 对向量化的本体属性做相似检索,按情境加载 |
| 语义记忆 | 类别化的知识与技能 | 从“知识节点”对象加载 |
| 程序性记忆 | 补足模型参数化知识的代码 | 存为本体对象中的代码,或由 Agent Studio 编排 |
这一步的意义在于:本体从“数据结构”升级成“Agent 的运行环境”。安全面由此从“每个应用各管各的”收敛为一个面——这是 prompt injection 能被系统性治理的前提。
它留下的缺陷
其一,记忆与事实混同。 为了统一治理而统一存储,把认识论上地位不同的东西塞进了同一种容器:草稿、提案、会话、事实共享一个对象空间与检索入口。后果是“临时结论”会污染“事实源”。
其二,相似度 ≠ 当时为真。 情景记忆按向量相似度加载,而相似度衡量的是语义接近,不是时间有效性。这正是 RAG 的经典事故——召回三年前的方案当成当前最优。这一代并没有解决它,只是加了权限。
其三,可观测 ≠ 可解释。 trace 记录了“调了哪个工具、传了什么参数”,没记录“为什么选它、为什么不选另一个”。
一处被修辞掩盖的裂缝
2026 年 4 月的文章说“本体让 Agent 超越 RAG 的数据中心局限”。但按 1 月的实现描述,情景记忆恰恰是“对向量化的本体属性做相似检索”。
所以准确的说法不是“超越 RAG”,而是——把 RAG 关进有类型、有权限、有治理的笼子里。 这个区别是实质性的:按“超越”去设计,你会砍掉检索层;按“关进笼子”去设计,你会保留检索,但给它加上类型约束、权限过滤与来源标记。后者才是可复制的做法。
解法
| 缺陷 | 机制 |
|---|---|
| 记忆与事实混同 | 记忆分型落到不同存储:工作记忆用带 TTL 的暂存(不进事实库)、情景记忆用 append-only 事件流、语义记忆才是本体对象、程序性记忆是代码资产 |
| 相似度 ≠ 当时为真 | 双时间(valid time / transaction time)+ 快照冻结:分析或模拟时锁定一份 as-of 快照 |
| 可观测 ≠ 可解释 | 决策轨迹必须记 rationale 与 rejected alternatives——“为什么没选 B”比“选了 A”信息量大 |
四、第三代|动词层:解决了“有知识没行动权”,留下了“语法正确 ≠ 规范正确”
它解决的问题
2026 年 4 月的《Connecting Agents to Decisions》给出了最有传播力的一对隐喻:
本体表示企业的决策,而不只是数据。数据元素是企业的名词,动作是企业的动词。
Agent 只懂名词做不了事。于是四个机制落地:Action Type(参数、提交条件、副作用、审计)、Function(任意复杂度的逻辑)、动态安全(按上下文实时计算权限,人/系统/Agent 共用一套)、Scenario(把拟议变更打包成本体的一小份沙盒子集,提交前探索后果)。
系统由此从 System of Record 变成 System of Action。这一代是四代里最容易被误认为“已经完成”的一代——因为它看得见、摸得着。
致命的缺陷
前置条件能校验“参数是否合法、是否越权、是否满足业务规则”,不能校验“这次做它是否正当”。 Action 是语法,不是判断。
这不是抽象批评。2026 年 2 月 28 日,美军对伊朗米纳布的空袭击中一所小学(与目标军营相邻),联合国事实调查团认定“有合理理由相信构成战争罪”。9 月 18 日彭博社引五角大楼调查:Palantir 的 Maven 系统把原本需要数小时的目标审查压缩到“几分钟”,同期中央司令部平民保护团队从 10 人减到 1 人,坐标来自过时的情报数据。
流程上有审批、有国际人道法政策、有日志——全部“合规”。但审查时间短于判断所需时间,人退化成橡皮图章。
流程走完 ≠ 判断发生。
其余三条缺陷
责任粒度错配:一次 Action 的事务边界是“一次提交”,责任的业务边界却跨部门、跨期。事后追责找不到“谁批的、依据什么”。
工具面爆炸(Agent 时代特有):按 Ontology MCP 的文档化投影规则,多个对象类型收敛成 1 个宽读 SQL 工具,而每个 Action Type 展开成一个独立窄写工具。一个有 12 个对象类型、30 个动作、6 个查询函数的应用,会得到 37 个工具对 1 个引擎。工具越多,Agent 越容易选错;而改名即破坏所有学过它的 Agent(第三方 2026 年的记录,数量为示例性测算)。
终审退化与无补偿事务:高吞吐下“默认 staged、人终审”会失效;而写回 ERP 之后事务保证即终止,回滚靠人。
解法
| 缺陷 | 机制 |
|---|---|
| 语法 ≠ 规范 | 动作契约五件套:参数 schema / 前置条件 / 副作用与回写目标 / 审计(who·role·rationale·approvalChain)/ 补偿程序。少一项只算接口,不算契约 |
| 语法 ≠ 规范 | 动作必须携带“依据”:提交时强制引用哪条规则、哪份评估、哪个对象状态。这是从语法通向规范的唯一接口 |
| 责任粒度错配 | 按后果分级:金额 × 不可逆性 × 影响面 → 自动 / 单人 / 双人 / 独立复核。不是“默认 staged”,而是“按后果分级” |
| 工具面爆炸 | 意图-动作映射:对外只暴露少数高层意图(建议 ≤15 个),动作层留在平台内 |
| 无补偿 | 状态机 + 补偿事务:每个 Action 声明补偿动作,跨系统写回失败则逆序补偿 |
由此得到一条自查判据,非常好用:
看一个“动作层”是真契约还是“带权限的 API”,只查两件事:有没有 rationale 字段,有没有 rollback 声明。两者皆无,它只是接口。
五、第四代|标准载体:解决了“凭什么相信这次动手”,留下了“谁来裁定标准”
它解决的问题
2026 年 11 月的《Evals as the Substrate for Sovereign AI》,把问题从“能不能做”推到“凭什么相信”。它的起点是一句反模式诊断:Agentic demo 的通病是让模型干完整的活、再逼用户清理结果——给你几十个待筛方案,而你只需要一个能快速做出的可靠决策。价值的单位因此从 model 移到 decision。
四个机制:
- 决策轨迹:捕获世界状态、提案、人改了什么、结果如何;
- 三路分流:可复用决策 → 固化为 eval case / 训练案例;系统缺口 → 改本体、约束、工作流;一次性例外 → 只保留为上下文。原文一句很克制:“不是每个纠正都该变成规则。”
- 可接受性七条:满足硬约束、目标冲突时尊重运营偏好、对输入变化正确响应、用对数据与工具、最小化不必要扰动、提供可追溯解释、对真正新颖的案例升级处理;
- 摊销式审议(amortized deliberation):把反复发生的人判断折进代码(可审计、慢)或权重(快、不透明)。原文的比喻很精准:“直觉是被摊销的昂贵推理。”
最值得记住的是它对主权资产的排序:
| 排序 | 资产 | 为什么 |
|---|---|---|
| 1 | Ontology | “写进本体的约束能扛过换模型、供应商宕机与代际跃迁” |
| 2 | Evals | “什么算好决策”的累积证据,是机构 alpha 的来源 |
| 3 | Procedural Layer | 规则、工具、策略、工作流,让已验证知识“便宜地执行” |
| 4 | Weights | 后训练权重:不是第一杠杆,也最不可移植 |
它留下的缺陷(五条,前两条是结构性的)
其一,标准的自指循环。 问“这条经验已经验证了吗?”→ 指向 eval;问“eval 判据谁定的?”→ 指向人;问“人的判断可靠吗?”→ 回到起点。这一代把裁决权下推给“机构自己 + eval”,没有引入独立于决策者的验证者。
其二,过拟合。 eval 来自生产轨迹,训练集与测试集同源。系统会越来越擅长“见过的决策”,对新颖案例的失败被系统性低估。原文自己意识到这点(“用于开发变更的案例,不能作为其泛化性的唯一证明”),但没有给解法。
其三,Goodhart 效应。 eval 一变成门槛,团队优化的就是“过 eval”而不是“做好决策”。法律审查退化为打勾,正是这个机制。
其四,蒸馏即失检。 一边说权重最不可检视、最不可移植,一边提出 Fine-Tuning Ontology 把决策轨迹变成训练集。一旦标准进了权重,标准就分裂成两份:可检视的一份(Ontology/Evals)和真正在跑的一份(weights)。
其五,主权可读不可运行。 接口开放了(Ontology MCP 2026 年 6 月 GA)、定义可 diff 了(ontology-as-code 2026 年 8 月 beta),但运行时一步没动——定义仍要物化到某个平台实例才能执行。所以它主张的是“可读的主权”。
这一条的尖锐对照是:白皮书称支持原生 RDF/OWL 导入导出,而 Ontology Manager 文档只写 JSON 且提示 schema 可能变更;有开发者自建转换器后报告 22 种属性类型中有 7 种在任何公开标准里没有对应物(第三方记录,2026 年 9–10 月)。连“可读”都还有缺口。
解法
| 缺陷 | 机制 |
|---|---|
| 自指循环 | 角色分离:eval 判据的批准权 ≠ 决策的执行权;高后果场景引入外部复核 |
| 自指循环 | 标准可争议:每个 eval 附“什么情况下这条标准应被推翻”,并保留异议记录 |
| 过拟合 | 独立反例集 + 留出集:反例由未参与决策的人(红队)维护;每次标准变更必须在留出集上重测 |
| Goodhart | 双指标绑定:eval 通过率必须与至少一个真实业务结果同时上报;一升一不动即告警 |
| 蒸馏失检 | 双层权限:规定不可检视层不得单独决定高后果动作 |
| 可读不可运行 | 可迁移最小内核:承认运行时不可移植,但把语义、约束、标准做成可导出规范,保证离开平台后至少能重建判断依据 |
六、四代总表,与那条螺旋
| 代 | 核心能力(新增) | 内生缺陷 | 主要解法 | 代价 |
|---|---|---|---|---|
| 一 抽象层 | 集成知识集中一次;用业务语言编程;边际成本趋零 | 语义无裁决;抽象泄漏;本体熵增 | 语义权威+影响面+版本戳;provenance 一等属性;分层+只增不改 | 治理成本前移到建模期 |
| 二 记忆基座 | 四类记忆统一治理 → 单一安全面 | 记忆与事实混同;相似度≠当时为真;可观测≠可解释 | 记忆分型存储;双时间+快照;唯一写入口+决策轨迹 | 存储与延迟上升 |
| 三 动词层 | 动作、函数、动态安全、沙盒;从记录到行动 | 语法正确≠规范正确;责任粒度错配;工具面爆炸;终审退化 | 契约五件套;动作带依据;后果分级;意图-动作映射;补偿事务 | 动作必须宁少勿多 |
| 四 标准载体 | 决策轨迹→eval→摊销;主权资产排序 | 标准的自指;过拟合;Goodhart;蒸馏失检;主权可读不可运行 | 角色分离;可争议标准;独立反例集;双指标;双层权限;可迁移内核 | eval 维护成本;需定期复审 |
把四代的缺陷并排放,规律很清楚:第四代把“谁定义语义”这个问题,升级成了“谁裁定标准、标准可被谁反驳”。
所以第五代不是“更强的本体”,而是回到第一代的问题——但带着前三代积累的机制。
两个竞争假设:
| 候选 | 主张 | 弱点 |
|---|---|---|
| 可争议性(contestability) | 本体不仅要表达规范,还要表达“对规范的异议”及其处置程序 | 异议的记录成本极高 |
| 因果/意向(causal) | 本体缺意向性模型与因果推断,产不出战略判断 | 容易变成“再加一层模型”,稀释确定性优势 |
我的判断:可争议性是闸门,因果是内容。 没有可争议性,加多少因果模型都不会被信任——因为没人有权说它错了。这与米纳布的教训完全一致:事故不是缺因果模型,是缺一个有权在发射前说“这个分类有冲突证据,停下来”的角色与程序。
七、未来演进:三个可观察的信号
不写“趋势预测”,写三个可被观测、可被证伪的信号。
信号一:标准从“可执行”走向“可争议”
观察 Palantir 是否做三件事:① 发布 eval 标准的版本与变更日志(而不是只发布 eval 功能);② 允许外部角色审计或挑战判据;③ 在动作日志里保留“被否方案”与异议记录。
如果到 2027 年仍只有“通过率”而没有“异议处理”,第四代的标准仍是单向的。
信号二:运行时的开放压力会持续上升
定义已经可读、可 diff、可进仓库,但执行仍绑定平台。观察两件事:① 是否出现非原平台的参考运行时(哪怕只支持只读+前置校验);② 导出格式是否稳定(而不是“schema may change”)。
判断依据很朴素:把标准导出后,能否在别处跑出同样的动作与校验。 不能,就仍是“可读的主权”。
信号三:从单一本体走向多本体与联邦
企业内部的语义冲突可以用“语义权威”压住,跨组织、跨监管域的冲突压不住。观察:跨域语义桥接是否成为产品能力(带冲突状态、权威、衰减、可争议标记),而不是靠项目现场人工对齐。
一条反向风险:本体变成模型权重的缓存
摊销式审议的终点是“把已验证的知识折进权重”。如果折进去的标准无法再被检视,那么本体就退化成训练数据的采集器——表面上主权在 Ontology,实际上判断权在 weights。
这条风险不是理论推演。它已经写在第四代自己的资产排序里:Ontology 第一、Weights 第四,但只有前三个是可检视的。一旦蒸馏成为默认路径,排序就会倒过来。
八、给自建团队的六条判据
不必按四代逐级建,但可以用六条判据定位自己,并决定下一步该投在哪。
- 语义有权威吗? 同一业务概念是否只有一套定义,且有具名负责人能拍板?
- 属性带来源与新鲜度吗? 抽样十个对象,能否说出每个值来自哪个系统、何时产生?
- 能 as-of 查询吗? 三个月前的判断,能否用当时的数据复现?
- 动作有 rationale 与 rollback 吗? 两条都没有,那只是“带权限的 API”。
- eval 独立于决策者吗? 判据的批准权与决策的执行权是否分属不同角色?有没有留出集?
- 标准能导出重建吗? 离开平台后,判断依据还剩多少?
六条里前两条属第一代,第三、四条属第二三代,第五、六条属第四代。大多数团队卡在第 3 条——不是因为不会做,而是因为没做时间维度。
结语
本体既不是“知识图谱的升级版”,也不是“数据建模的高配版”。用四代的目光看,它做的事情一句话可以说完:
把判断从人的脑子里搬到可执行、可版本化、最终可争议的资产里。
四代之后,真正稀缺的东西已经不是对象类型了——那是第一代就解决的事。稀缺的是:谁有权说这次判断错了,以及说了之后系统会怎么变。
Palantir 已经把前四代做得很完整,第五代还没开始。而这恰好也是所有自建者的机会窗口:在“标准可争议”这件事上,大厂没有先发优势,因为它的护城河恰恰建立在“标准由我定义”之上。
参考资料
- Peter Wilczynski, Ontology-Oriented Software Development, Palantir Blog, 2024-01
- Securing Agents in Production(Agentic Runtime #1), Palantir Blog, 2026-01-22
- Connecting Agents to Decisions, Palantir Blog, 2026-04
- Evals as the Substrate for Sovereign AI — Amortized Deliberation: Compound by Owning the Standard, Palantir, 2026-11(官方 PDF 资产)
- Palantir Docs, Ontology building / The Ontology system / Ontology MCP Overview
- Bloomberg, 2026-09-18(米纳布空袭调查:目标审查时长与平民保护人员编制)
- 联合国事实调查团关于米纳布事件的结论(2026)
证据说明:第 1–4 篇的引句均可核对;Ontology MCP 的投影规则、37 个工具的数量、RDF/OWL 可移植性报告均来自第三方公开记录,本文已标注为“第三方”,不作为 Palantir 官方主张引用。米纳布事件的伤亡数字在不同来源间存在差异(120–156 名平民、123 名儿童等),本文只引用“超过 150 名平民死亡、含大量儿童”这一共识区间。
读者留言
COMMENTS 暂无还没有留言,来说第一句?