相关文章
479 篇高质量内容
动态本体的第二次迭代：从“能研判”到“会成长”
本文介绍东海防空识别区空情研判系统动态本体的第二次迭代，重点提升轨迹预测精度、函数可进化性与智能体成长能力。核心改进包括：采用ENU坐标系与Monte Carlo粒子预测替代启发式规则；将本体函数解耦为可渐进加载的Skills；明确OpenClaw记忆、Skills经验和动态本体模型三条独立成长路径；重构本体可视化为数据层、语义层、动能层、动态层、应用层五层结构。
动态本体 + 本体 MCP：把 OpenClaw接入东海 ADIZ 空情研判的 MVP 实战
本文详述一个军事空情研判MVP项目：通过构建动态本体层，将多源异构空情数据（态势表、航侦/技侦报文、GeoJSON等）映射为AirTarget、TrackPoint、IntelReport等业务对象及Link关系；定义predict_adiz_entry_probability等本体函数实现可解释计算；借助本体MCP Server为OpenClaw提供match_ontology、run_function等标准化调用接口；前端Cesium展示本体运行态而非静态大屏。项目验证了动态本体作为智能体与业务系统间语义桥梁的有效性。
停止盲目图化一切：GraphRAG 真正胜出的场景与代价
本文基于微软原论文及四项独立基准测试，实证分析GraphRAG相较向量RAG的适用边界：它在多跳推理、全局摘要和意义建构类任务中显著提升质量（+10–13分），但在单事实检索中无优势；其收益伴随高昂建图成本与LLM评估偏差风险。
Loop Engineering 已死？ 一文带你了解Graph Engineering
本文梳理Graph Engineering的起源与实质，指出其并非取代Loop Engineering，而是解决单智能体循环在生产环境中的结构性缺陷：上下文腐烂、错误级联、工具过载、控制粒度缺失、可观测性差及目标失明。Graph以节点、边、状态、策略四要素构建可执行系统，典型拓扑包括菱形、主管模式与流水线，并被Anthropic归纳为五种可复用工作流模式。
本体论、知识图谱、世界模型：三者关系与企业实施路径
本文厘清本体论、知识图谱、世界模型在企业AI项目中的三层定位：本体论定义业务概念与口径，知识图谱组织实体与事实关系，世界模型推演状态变化与行动后果。强调企业落地应遵循‘统一语言→连接事实→推演后果→反馈闭环’的递进路径，避免跳过基础建模直接构建世界模型。
本体+AI原生整体解决方案-Harness技术底座是关键的一个底层能力
本文介绍一种本体驱动的AI原生整体解决方案架构，强调Harness技术底座作为底层骨骼的核心作用。该底座集成上下文管理、记忆存储、多智能体协同、精准语义识别与安全可控等能力，支撑AI辅助本体建模与大规模数据分析推理两大关键场景。
为何 SAP 认为企业 AI 代理需知识图谱与治理
SAP 高级解决方案顾问 Max McPhee 在 VB Transform 2026 大会上指出，企业 AI 代理区别于聊天机器人的核心在于扎根于真实企业上下文，而非通用知识；实现路径依赖知识图谱与向量嵌入构建可检索的‘部落知识’，并需将治理、身份权限、ML 异常检测嵌入代理执行层；同时强调需整合非 SAP 系统图谱，并对老旧本地系统进行现代化改造。
北大等开源 K12-KGraph：从小学到高中的教材全部整合成知识图谱，既做bench又能训练
北京大学等团队开源K12-KGraph，基于人教版K-12数理化生教材构建多模态知识图谱，含9类节点、14类关系；同步发布K12-Bench（23,640道结构理解题）与K12-Train（7,335条监督样本），实证显示主流大模型在课程结构推理（如先修关系、概念邻接）上表现薄弱，而针对性微调可显著提升GaokaoBench等教育基准得分。
从知识图谱到认知拓扑：知识工程方式的范式跃迁
文章对比知识图谱与认知拓扑两种知识组织范式：前者以静态归类为核心，受限于事后性、平面性与他治性；后者以动态连接为本体，依托概念-关系-逻辑旋三元递归结构，通过实践-认知-反思循环演化，并依赖场域与自指机制突破边界。LLM作为使能技术首次使人类集体认知的语法面可被参数化共现，但需五库锚定与C-R-L-T协议补足确定性约束。
LLM Wiki + Ontology：让企业知识从“可检索”走向“可行动”
本文阐述 LLM Wiki 与 Ontology 如何协同提升企业知识的可操作性：LLM Wiki 将知识提前编译为相互链接的实体页，实现持续积累；Ontology 提供业务世界说明书，统一实体、关系与约束；二者结合支撑 Agent 完成自然语言到多工具调用的端到端执行，使知识真正参与行动而非仅被检索。
RAG、GraphRAG、知识图谱之后，企业级知识库为什么开始卷本体论？
企业知识库进入深水区：RAG 的尽头，真的是本体论吗？
动态本体的第二次迭代：从“能研判”到“会成长”
从“能研判”到“会成长”，动态本体迭代聚焦轨迹预测进化、函数自生长与经验沉淀，实现智能体系统能力跃升。 核心内容： 1. 空中目标轨迹预测模型重构（粒子Monte Carlo+多因素融合） 2. 动态本体函数拆分为可进化的OpenClaw Skills 3. 智能体系统经验沉淀与可视化优化（轨迹、函数、系统三维成长）
动态本体 + 本体 MCP：把 OpenClaw接入东海 ADIZ 空情研判的 MVP 实战
解决智能体空情研判缺业务语义痛点！动态本体+MCP赋能OpenClaw在东海ADIZ实战，详解语义层构建。核心内容： 1. 智能体空情研判的核心问题（缺业务语义） 2. 动态本体定义及五大关键机制（运行时语义层等） 3. 东海ADIZ空情研判MVP的实战实现方向
从本体论出发，实战拆解知识图谱
从本体论拆解知识图谱实战方法，结合客户投诉、流失等场景，构建可追溯业务网络，快速定位高价值问题根因。核心内容： 1. 确定高价值问题场景，明确图谱需连接的实体与核心关系 2. 本体作为业务语言规范，定义类别、属性、关系及约束口径 3. 知识图谱三层拆解：概念层（领域分类）、节点（实例）、属性（关键信息）
Ontology Engineering 从图谱到本体工程
企业AI从生成转向执行，本体工程成语义基石，解决业务规则内安全行动核心难题。 核心内容： 1. 本体工程的战略定位：企业AI下一层关键基础设施 2. 解决企业AI五大失效风险的本体方案 3. 本体工程的实施路线与组织治理机制
01-认识 Ontilio：把业务世界建模成可运行的本体
Ontilio 以统一本体建模业务世界，解决系统碎片化难题，让数据与智能在同一语境运行，首篇解析核心问题。 核心内容： 1. 企业需本体平台的原因（业务碎片化与AI时代挑战） 2. Ontilio 实现业务模型真实运行的方式 3. 本体平台的建设启动路径
Loop Engineering 已死？ 一文带你了解Graph Engineering
270万浏览的Graph Engineering凭何成Loop继任者？一文拆解AI工程从单智能体循环到多智能体图结构的演进。核心内容： 1. Graph Engineering的起源与传播（推文引发270万浏览，Loop Engineering背景） 2. 从Loop到Graph的核心转变（单智能体循环vs多智能体图结构） 3. AI系统工程五层演进中的Graph层定位（Prompt到Harness再到Graph的层级关系）
本体论、知识图谱、世界模型：三者关系与企业实施路径
企业AI项目中本体论、知识图谱、世界模型如何分层实施？本文厘清三者职责与关系，助企业判断项目阶段，明确实施路径。核心内容： 1. 本体论：定义业务语言，明确概念、属性与关系规则 2. 知识图谱：连接事实关系，构建实体与证据网络 3. 世界模型：推演状态变化，实现预测与行动反馈修正
本体+AI原生整体解决方案-Harness技术底座是关键的一个底层能力
本体+AI原生解决方案的核心，Harness技术底座作为底层能力，支撑模型构建与应用落地，详解关键作用及实践场景。 核心内容： 1. Harness技术底座在AI解决方案中的架构定位（底层核心骨骼） 2. 技术底座的关键能力（上下文管理、语义识别、多智能体协同等） 3. 实践场景：AI辅助本体建模与数据分析推理（解决模型构建与数据处理痛点）
北大等开源 K12-KGraph：从小学到高中的教材全部整合成知识图谱，既做bench又能训练
北大团队整合K12教材构建知识图谱，填补课程认知评测缺口，少量微调即提升教育大模型能力。 核心内容： 1. 现有教育大模型课程认知能力不足 2. K12-KGraph知识图谱构建方式与组件 3. 衍生评测与训练资源及应用效果