什么是本体论（Ontology）？为什么 AI Agent 需要它？

我第一次认真查"Ontology"这个词，是在给一个审批类 Agent 找规则支撑方案的时候。搜索结果一半来自哲学——"研究存在本身的学问"；一半来自计算机领域——"对某个领域中的概念及其关系的形式化描述"。当时觉得两边八竿子打不着，做了几个月实践之后才发现，它们讲的其实是同一件事：把"这个世界里有什么、它们彼此是什么关系"明确写下来，而不是放在每个人脑子里各自理解。

从哲学概念到工程产物

哲学里的本体论问的是大问题：什么东西真正存在？椅子存在吗？数字存在吗？工程里的本体论把问题收窄了：在我关心的这个业务领域里，有哪些对象、哪些属性、哪些关系、哪些约束。比如报销这个领域里，"发票""申请单""审批人""额度"是存在的东西，"申请单必须关联发票""金额超过额度需要上一级审批"是它们之间的约束。

写下来之后它就不再是一段自然语言描述，而是一个机器可读的结构。这是关键的一步：自然语言只能被"理解"，结构化的本体可以被"执行"和"校验"。

AI Agent 缺的不是聪明，而是共识

大模型出来之后，很多人的直觉是：模型这么聪明，把制度文档扔给它，它自己就能判断了。我一开始也是这么干的，结果很快撞了墙。同一份文档、同一个问题，今天答"可以通过"，明天答"需要补充材料"；追问依据，它能给你编一个看起来很像回事的条款号。

模型不缺理解力，缺的是一个和你达成过共识的、稳定的世界观。

本体解决的正是这个问题。它是人和 Agent 之间的一份"事先约定"：哪些概念算数、边界在哪、规则怎么写、例外有哪些。Agent 在这个约定之内工作，判断就有了锚点。

本体到底给 Agent 提供了什么

• 确定性：规则是显式的，同样的输入永远得到同样的结论，而不是每次采样一个新答案。
• 可追溯：每个结论可以指回具体的规则条目，而规则条目可以指回原始制度条款。
• 可演进：规则改了，改的是本体这一份文件，而不是散落在几十条提示词里的只言片语。

我的一点体会

做完一轮实践后我最大的感受是：本体不是为了限制模型，而是给模型和人划出各自擅长的领地。模型负责把乱糟糟的自然语言输入整理成结构化事实，本体和规则引擎负责在结构化事实上做确定性判断。前者需要聪明，后者需要可靠——把两件事混在一起，往往两头都得不到。

下一篇我想拆一拆本体的三个基本要素：实体、关系、规则。理解了这三样，很多看起来玄的概念就落地了。