第三篇：「本体优先 · 任务驱动」——一种新的技术范式
AI 技术深度分析 | 2026 年 9 月
前两篇文章分别论证了：Harness 与 Ontology 是 Agent 治理的两个独立维度，且 Ontology 必须先于 Harness 建设；Palantir 证明了这个路线可行，但中国企业的独特约束条件要求一条不同的实现路径。本篇是对这两条线索的综合与升华——提出一套新的技术范式。
一、范式转换：从"流程驱动 Agent"到"本体驱动 Agent"
当前主流的 Agent 构建范式是"流程驱动"：用户意图 → 任务拆解 → 工具调用 → 结果生成，通过 Prompt Engineering 约束行为。这套范式隐含两个假设：Agent "知道"业务规则，执行可通过 技能、Workflow 编排控制。但这两个假设在企业场景中都不成立。
"本体驱动"范式是对这两个假设的根本修正：业务本体包含实体模型、关系模型、规则模型和任务模型，Agent 在本体中"行走"，每个决策都有语义锚点，每个动作都可追溯到本体中的定义。
核心差异在于：流程驱动范式把"理解业务"的责任交给了模型和 Prompt；本体驱动范式把"理解业务"的责任交给了结构化的知识系统。前者把 Agent 当主体、业务规则当外挂约束；后者把业务本体当主体、Agent 当导航器。
这个范式转换在技术上一直可行，但过去缺乏两个关键条件：大语言模型的语义泛化能力（本体可以只定义框架性语义，细节由模型补全），以及企业对 Agent 落地的真实需求（大量企业发现纯 Harness 路线走不通）。两个条件交汇，使"本体驱动"从学术概念变为工程必需品。
二、新范式的四个核心架构决策
如果一个企业要采用"本体优先 · 任务驱动"的 Agent 架构，需要在四个关键维度上做出与主流方案不同的设计决策。
决策一：Ontology 在架构中的位置——最底层，不是最上层。在流程驱动范式中，知识在应用层（RAG、Prompt、Few-shot）。在本体驱动范式中，Ontology 在最底层——它是整个系统的地基。Agent 不是"调用知识"，而是"在本体中行走"。架构重心下沉的收益是：上层可以快速迭代（换模型、改 Workflow、加 Skill），底层提供稳定的语义锚点。这和操作系统设计中的"机制与策略分离"原理一致。
决策二：任务本体——人机协同的统一抽象层。传统方案是"在 Workflow 中插入审批节点"——人机边界是"缝"进流程里的，不可统一推理、不可统一审计。任务本体提供了更根本的抽象：所有决策和执行——无论由 AI 还是人工——都被统一建模为 Task 实例。其工程价值体现在三个"统一"：统一路由（规则自动判定人机边界）、统一审计（完整证据链）、统一闭环（驳回自动生成整改子任务）。
决策三：端侧全量处理——安全的架构前提。中国企业数据安全是硬边界级要求。Ontology 的构建过程必须在端侧完成：数据端侧解析 → 端侧构建本体 → 端侧脱敏 → 脱敏材料上云 → 云端推理。原始数据从未离开。端侧全量处理意味着：本体构建不依赖云端、企业业务语义不暴露给外部、无网络延迟。
决策四：千企千面的配置化——Ontology 从"项目"变成"产品"。如果每个客户的本体都需要手工构建，就是项目生意而非产品生意。"千企千面"把企业差异抽象为七层可配置参数：
配置层级
内容
三、该范式的架构骨架：五层递进模型
将以上四个核心决策整合为统一的五层递进结构，每一步都是语义的升维：
层次
回答
核心能力
四、与既有路线的范式对比
将本范式与流程驱动 Agent 和 Palantir 本体论进行系统对比，差异清晰可见：
这些选择不是任意的技术偏好，而是由中国企业环境的约束条件推导出来的。
五、关键创新：企业规则解析——中国场景独有的技术挑战
将自然语言的企业制度文档"编译"为可执行的本体规则，是一个跨语义层次的翻译问题。例如将"单笔采购金额在 50 万元以下的由部门负责人审批"编译为精确的审批链和条件判断。
编译的难点在于：隐含条件的补全（"不写就是不需要"需显式编码）、跨制度冲突检测（章程 vs 采购制度）、语义歧义消解（"分管副总"的精确绑定）。这项能力直接决定了"千企千面"配置化的可行性。
六、该范式的核心设计原则
提炼为 12 条原则，按四个维度组织核心方法论：
认知层原则：常量即属性（静态事实不混入规则层）；时序依赖即规则；制度即规则源（直接从制度文本编译）；本体可推导（上游变化自动推导下游）。
执行层原则：智能决策执行（Agent Workflow + Skill 全流程驱动）；任务本体化（所有决策可路由、可审计、可闭环）；时间 t 求值（同一规则在不同时间点结论不同）。
工程层原则：端侧全量处理（数据不出域是架构前提）；TBox/ABox 分离（概念稳定、实例灵活）；五层解耦（每层独立迭代）；权限分层管控（RBAC 覆盖五层）。
运营层原则：千企千面（模板继承 + 参数配置，不做 per-customer 代码分支）。
七、该范式的边界与未解问题
一个负责任的范式陈述，必须明确它的边界。
当前边界：行业范围目前在企业合规领域最为成熟，其他领域需大量领域建模；企业规则解析覆盖度上，隐含条款和不成文规则难以覆盖；端侧部署经济性对小微企业是真实门槛。
开放性研究问题：本体自演化（如何从运行数据中自学习？）；跨企业联邦本体（能否不暴露数据共享模型？）；任务本体的可解释性（如何从任务图景中生成可理解解释？）。
范式洞察：在企业场景中，Agent 的价值边界不是由模型能力决定的，而是由本体完备性决定的。一个没有 Ontology 的 Agent 框架，本质上是在要求 LLM"自己定义业务规则"——这是对模型能力边界的最危险误判。把 Ontology 从"可选加速器"重新定位为"架构前提"，是这个范式最根本的主张。
八、结语：新范式的意义不在于"又一个框架"
三篇文章的答案是："本体优先 · 任务驱动"——以 Ontology 为地基、以任务本体为枢纽、以企业规则解析和端侧处理为独特能力、以千企千面配置化为交付模式的企业 Agent 架构。
这条路的代价是重的——领域建模、企业规则解析、端侧部署，每一个都是硬骨头。但如果你相信 Agent 的未来不在于"更聪明的自主推理"，而在于"更准确地在企业语义世界中导航"，那么这条路就是唯一正确的路。