00 导读
这是一套写给新手的 Ontology（本体）入门与实践手册，共 10 篇。它用一个贯穿始终的例子——电商"示例商城"的订单与售后——讲清本体是什么、为什么需要、怎么建、怎么接入 AI Agent，以及有哪些坑。每篇都可以单独阅读，但按顺序读体验最好。
适合谁读
- 产品经理和业务负责人：想判断本体对自己的业务是否值得投入，以及要准备哪些人和资源；
- 数据和平台工程师：已经有数仓、数据目录或指标语义层（如 dbt、Cube），想弄清本体和它们的区别与组合方式；
- AI 应用开发者：正在做企业 Agent，希望它不只会回答问题，还能在授权范围内把事办对；
- 对本体感兴趣的新人：没有语义网或知识图谱背景也能读懂，核心术语第一次出现时都有一句白话解释，其余术语可随时查第 10 篇的术语表。
怎么读
- 只想了解概念：读 01、02、03、04；
- 要做技术选型：读 01、04、05、09；
- 要动手建模：读 04、06、07、08，再用 10 对照练习；
- 时间很少：直接读 10 的实战演练、检查清单和术语表，遇到不懂的再回到对应篇目。
各篇一句话
| 篇目 | 一句话 |
|---|---|
| 01 什么是 Ontology：从一张表到一个业务世界 | 从一张看不懂的订单表出发，讲清本体的定义、哲学源头、计算机科学里的发展和今天的企业用法，以及从数仓到本体的连续谱 |
| 02 为什么企业需要 Ontology | 同名异义、逻辑埋在代码里、分析与执行割裂、经验在人脑里——本体解决什么，又要付出什么 |
| 03 为什么 AI Agent 需要 Ontology | 为什么提示词、RAG、微调都不够，本体给 Agent 带来什么（含问数的语义优先路径），以及哪些场景其实不需要它 |
| 04 核心概念详解 | 对象、属性、关系、动作、函数、规则、权限，名词层与动能层的分工 |
| 05 与其他技术方案的对比 | 用同一个售后问题"压力测试"十类方案，逐一对比后给出三种组合模式和一页选型指南 |
| 06 构建方法（上） | 定范围、写能力问题、盘点术语、识别对象与关系，产出名词层骨架 |
| 07 构建方法（下） | 定义动作与规则、绑定数据、验收与演进，以及如何用大模型辅助建模 |
| 08 常见坑点与反模式 | 二十个反模式（含组织层面），每个按症状、原因、改法、如何尽早发现给出；另有安全视角、事故复盘和预警指标 |
| 09 系统构建 | 分层架构与本体服务内部组件（本体不必换数据库、语义在上游）、通过 MCP 接入 Agent 的设计与安全要点、选型打分与概念验证、分阶段路线图 |
| 10 实战演练 | 电商退货退款从零走一遍，五个场景验收，附复盘、检查清单和术语表 |
几个约定
- 术语统一：全系列使用"对象类型 / 对象、属性、关系、动作、函数、规则、权限"。其中对象类型 / 对象、属性、关系合称名词层（回答"有什么"，Palantir 称为语义元素）；动作、函数、规则、权限合称动能层（回答"能怎样变化、由谁来变"）。Palantir 文档中的动能元素是动作、函数和动态安全，本系列把"规则"单列，是为了强调它可复用、有版本。完整术语表见第 10 篇。
- "语义层"只指一件事：本系列中的"指标语义层"（Semantic Layer）专指 dbt MetricFlow、Cube、Snowflake 语义视图这类管理指标口径的产品，不是本体的名词层；第 09 篇里多个场景共用的那部分本体称为"公共核心模型"。
- 例子是虚构的：示例商城及其阈值、时限、数据都是演示用的，不代表任何平台的真实规则。
- 对数字保持谨慎：文中引用的研究结果来自特定基准，厂商和开源项目给出的效果数字均为其自述，未经独立核实。
- 每篇都有常见问题：正文后附"常见问题"，回答新手最常问的疑问。
- 引用放在文末：每篇末尾有"本篇要点"和"参考引用"，正文不做逐句标注。引用包括公开文档、论文，以及经 Cubox 收藏的中文文章（附收藏链接和原文链接）。
- 口径说明：本系列采用"宽口径"的本体，即同时包含名词和动词；读其他资料时，请先分辨对方说的是哪种口径（见第 01 篇）。
写作说明
本手册于 2026 年 10 月编写，基于对公开文档、论文和中文实践文章的阅读，用自己的语言重新组织，不是对任何单篇文章的摘要。产品功能以写作时的公开资料为准，部分能力（如 Microsoft Fabric IQ 本体）仍处于预览阶段，可能变化。