文章摘要

本文深入探讨了AI代理时代的语境图谱构建问题，指出当前"预定义本体vs学习本体"的二元对立存在根本性误区。作者Kirk Marple基于三年实践经验，提出第三条路径：采用现有成熟本体标准（如Schema.org、微软CDM），在此基础上扩展学习。文章系统梳理了被行业忽视的二十年本体工程积累，为企业级AI系统建设提供了务实的技术路线。

Palantir 全网最强资源合集(持续更新）：从底层架构到语义数字孪生，14 篇重磅文献带你读透 AI 数据王者

本体论与知识图谱：揭示语义技术的核心差异

大模型重塑本体工程和知识图谱构建综述：从静态规则驱动到动态生成范式的革命性演进

---

引言：一场价值万亿美元的对话

过去两周，关于"语境图谱"（Context Graphs）的讨论在AI技术圈引发了前所未有的热潮。Foundation Capital发表的《语境图谱：AI的万亿美元机遇》打响了第一枪，Animesh Koratana关于坐标系统的技术深度分析进一步推进了这场讨论，而Daniel Davis发布的《语境图谱宣言》则将这一概念与语义网的历史传承紧密相连。

这场对话触及了AI代理时代最核心的问题：

• 如何赋予AI代理组织记忆？
• 如何捕获决策轨迹？
• 如何构建能从实际工作流程中学习的系统？

这些都是正确且关键的问题。但Kirk Marple——一位在语境基础设施领域深耕三年的资深从业者——指出，当前讨论中出现了一个根本性的误区：一个将复杂问题过度简化的"虚假二元对立"。

---

虚假的二元对立：预定义vs学习

当前的讨论已经固化为一个二选一的选择题：预定义本体（Prescribed Ontologies）还是学习本体（Learned Ontologies）？

第一阵营：Palantir模式

这一阵营的论点是：Palantir凭借预定义本体构建了一家市值超过4000亿美元的公司。其核心方法是：

• 前期定义模式（Schema）

  ：在项目启动时就确定完整的数据结构

• 数据映射

  ：将混乱的企业数据映射到预定义的模式中

• 前线工程师部署

  ：为每个客户定制化实施

这种方法确实有效，但问题也很明显：成本高昂、实施缓慢、难以规模化。

第二阵营：学习本体的未来

另一方则描绘了一个全新的愿景：

• 自然涌现的结构

  ：从实际工作流程中自然产生，而非事先设计

• 代理轨迹作为训练数据

  ：AI代理的行为路径成为学习素材

• 决策痕迹编译

  ：将决策过程编译成组织级的世界模型

• 发现而非声明

  ：本体不是被定义出来的，而是被发现的

正如Jaya Gupta最近所写："下一家500亿美元的公司将建立在学习本体之上。这种结构从工作实际发生的方式中涌现，而非从你设计它应该发生的方式中产生……记忆假设你知道要存储什么以及如何检索。但最有价值的语境，是那些直到代理通过使用才发现的结构。"

问题的核心：被忽视的二十年积累

这种框架的最大问题在于：它完全忽略了过去二十年已经存在的本体工程成果。

讨论进行得仿佛本体论只有两个选项：要么是昂贵的定制化产物（Palantir模式），要么是通过足够多的代理运行自然涌现的属性（学习愿景）。但实际上，还有大量生产级的本体工程工作，而这两个阵营都没有充分认识到。

---

第三条道路：采用、扩展、聚焦学习

在"预定义vs学习"的二元对立之外，有一条被严重低估的第三条路径：

采用已有标准 → 按需扩展 → 将学习聚焦在真正新颖的领域

这不是妥协，而是工程智慧。让我们看看那些已经存在、经过验证、可以直接使用的本体标准。

---

那些已经存在的本体标准

在讨论如何学习本体之前，我们有必要认识到，大量本体工程工作已经在生产系统中运行多年。

1. Schema.org：互联网的通用词汇表

Schema.org是什么？

Schema.org是一个面向网络结构化数据的协作词汇表，由Google、Microsoft、Yahoo和Yandex于2011年联合创立。它为重要实体定义了规范类型：

• Person（人）

  ：姓名、职位、所属组织

• Organization（组织）

  ：名称、位置、员工

• Place（地点）

  ：地址、地理坐标、开放时间

• Event（事件）

  ：开始时间、结束时间、地点、组织者

• Product（产品）

  ：名称、品牌、价格、评分

• CreativeWork（创意作品）

  ：作者、发布日期、许可协议

• 以及数百个其他类型

这不是理论，而是生产实践。

当你在Google搜索结果中看到丰富的片段——活动日期、产品价格、食谱评分——这些都是Schema.org标记被解析和展示的结果。数十亿网页正在使用这套标准。

类型定义清晰且完整：

• 一个Person有name（姓名）、jobTitle（职位）、worksFor（关联到Organization）

• 一个Organization有name、location、employees

• 一个Event有startDate、endDate、location、organizer

这不是需要从零构建的定制本体。它已经存在、持续维护、并且正是为语境图谱所需的实体建模而设计的。

2. WAND与微软通用数据模型（CDM）

这里有一个令人惊讶的事实：微软的通用数据模型（Common Data Model）——驱动Dynamics 365、Power Platform以及微软大部分企业技术栈的模式——是从WAND授权而来的。

WAND的历史与影响：

WAND数十年来一直在构建企业分类法和本体。他们的工作比当前的AI浪潮早了很多年。当微软需要企业实体的规范数据模型时——账户（Account）、联系人（Contact）、潜在客户（Lead）、商机（Opportunity）、案例（Case）、产品（Product）、营销活动（Campaign）——他们没有从头开始构建，而是从已经完成这项工作的团队那里获得授权。

CDM定义了企业软件运作的实体。 不是理论上的——而是在成千上万运行微软商业应用的组织中的生产实践。

3. 行业特定标准

除了Schema.org和CDM之外，还有经过多年实际使用而精炼的行业特定本体：

医疗健康领域：

• FHIR（Fast Healthcare Interoperability Resources）

  ：用于临床数据交换

• SNOMED（系统化医学术语）

  ：用于医学术语标准化

金融领域：

• FIBO（Financial Industry Business Ontology）

  ：用于金融工具和商业实体

制造、物流、能源等：
每个领域都有其特定的标准

这些不是学术练习，而是生产基础设施。 例如，FHIR定义了如何表示患者、病情、药物、观察结果和临床工作流程。

Palantir真正做的是什么？

Daniel Davis提出了一个重要观察：

"我不明白为什么每个人都认为Palantir拥有本体技术。他们没有。他们花费数月甚至数年时间，用'前线部署工程师'来构建它。这不是大规模实现语境图谱的方式。"

这一点值得深入解读。

Palantir的高成本并不是因为"预定义本体很难"。而是因为他们为每次部署构建定制化方案。他们不是利用现有标准——而是为每个客户的特定数据环境创建定制模型。

这是一种商业模式选择，而非预定义本体的固有属性。 你完全可以：

1. 采用Schema.org类型

2. 用CDM模式扩展

3. 添加领域特定实体

而无需花费数年时间进行定制建模。

Palantir的方法之所以昂贵，是因为它本质上是包装成平台的定制咨询服务。 预定义本体本身并不是瓶颈，瓶颈在于拒绝利用已经存在的成果。

---

学习本体真正有价值的地方

既然有这么多现成的本体标准，学习本体还有意义吗？答案是：绝对有，但要聚焦在正确的地方。

启动问题（The Bootstrap Problem）

这是一个关键挑战：如何在还没有足够数据的情况下开始学习？

传统方法的困境：

• 学习需要数据

• 但在系统刚启动时，数据还不存在

• 如果等待数据积累，系统无法立即提供价值

解决方案：

1. 从现有本体标准开始

   ：使用Schema.org、CDM等作为基础

2. 在实际使用中扩展

   ：捕获那些标准模型未覆盖的特定领域知识

3. 持续优化

   ：基于使用模式调整和精炼

这样既能立即提供价值，又能持续学习改进。

真正未解决的问题

学习本体应该聚焦在三个关键领域：

1. 时间有效性（Temporal Validity）

挑战： 事实会随时间变化，但大多数知识图谱只存储"当前"状态。

需要学习的：

• 实体属性在何时发生变化

• 关系的生命周期

• 决策的时间依赖性

示例：

• 某人在2020年是CEO，但2023年已经不是

• 某产品的价格策略在不同时期的演变

• 组织结构的历史变迁

2. 决策轨迹（Decision Traces）

挑战： 捕获"为什么做这个决策"比记录"做了什么决策"更有价值。

需要学习的：

• 决策的上下文因素

• 考虑过的替代方案

• 决策背后的推理过程

• 决策结果的反馈循环

这是真正新颖的领域。 Schema.org不会告诉你如何建模决策轨迹，因为这是代理系统特有的需求。

3. 事实解析（Fact Resolution）

挑战： 当不同来源提供冲突信息时，如何确定真相？

需要学习的：

• 来源可信度权重

• 时间新近性的价值

• 上下文相关性

• 交叉验证模式

示例场景：

• 公司年报显示的员工数vs LinkedIn显示的员工数

• 官方新闻稿vs社交媒体传言

• 内部文档vs公开信息

这需要复杂的概率推理，是学习本体真正应该发力的地方。

为什么这对构建者至关重要

语义网终于赢了

有一个讽刺的现实：语义网（Semantic Web）的愿景在其最初倡导者退场后，反而实现了。

历史回顾：

• 2000年代初，Tim Berners-Lee等人推动语义网

• 当时被认为过于复杂、不切实际

• RDF、OWL等技术被嘲笑为学术玩具

现实证明：

• Schema.org现在驱动着数十亿网页的结构化数据

• 知识图谱是Google、Microsoft、Amazon的核心基础设施

• 企业正在大规模采用图数据库和本体模型

语义网的理念是对的，只是时机早了15年。 现在，AI代理的崛起让这些技术找到了真正的应用场景。

构建者的三个原则

基于以上分析，Kirk Marple提出了语境图谱构建者应遵循的三个核心原则：

原则1：从现有标准开始

不要重新发明轮子。

• 人、组织、地点？使用Schema.org

• 企业实体？采用微软CDM

• 医疗数据？FHIR已经定义好了

• 金融工具？FIBO提供了完整模型

好处：

• 立即可用，无需等待学习

• 经过验证，避免常见陷阱

• 互操作性，便于集成其他系统

原则2：在边界扩展

标准模型覆盖了80%，专注于剩下的20%。

当你遇到标准未覆盖的领域时：

1. 首先确认真的没有

   ：可能只是你没找到

2. 评估是否真的需要

   ：不是所有特殊性都需要建模

3. 以标准方式扩展

   ：继承现有类型，保持一致性

示例：

• Schema.org有"Person"，你可以扩展为"TechnicalAdvisor"

• CDM有"Account"，你可以添加行业特定属性

原则3：将学习聚焦在真正新颖的地方

时间、决策、解析——这些才是学习的战场。

不要浪费机器学习资源去学习"人应该有名字"这种常识。把学习能力用在：

• 时间维度

  ：如何捕获变化和演进

• 决策逻辑

  ：如何理解"为什么"

• 冲突解决

  ：如何处理矛盾信息

• 使用模式

  ：如何从行为中发现隐含结构

这些是Schema.org和CDM无法提供的，需要从实际使用中学习。

结论：务实的道路

语境图谱不是一个需要在"预定义"和"学习"之间做出选择的问题。真正的答案是混合方法：

1. 采用已验证的标准

   ：Schema.org、CDM、行业特定本体

2. 智能扩展

   ：在标准边界之外添加领域知识

3. 聚焦学习

   ：将AI能力用在时间、决策、解析等真正困难的问题上

Palantir的成功不是预定义本体的胜利，而是深度定制咨询的胜利。 下一代系统不需要每次都从零开始，而应该站在巨人的肩膀上，利用二十年本体工程的积累成果。这不是在"预定义"和"学习"之间妥协，而是认识到它们各自的优势领域：

预定义标准解决了90%的常见问题

学习方法处理那10%的独特挑战

两者结合才能构建真正智能的系统

最终，语境图谱的价值不在于选择哪种本体论立场，而在于能否快速为AI代理提供有用的组织记忆。 采用、扩展、学习——这才是通往万亿美元机遇的务实路径。