零点未来 · 技术科普

Palantir AIP Agent 与 Ontology
的交互机制

Agent 不直接访问底层数据库,也不自由扫描完整 Ontology schema。
它在一个被配置和授权的边界内,通过 Ontology 暴露的对象、关系、上下文、函数和动作完成业务交互。

LLM + Retrieval Context + Tools + Ontology + Governance

0. 核心结论

在 Palantir 体系里,Agent 不直接访问底层数据库表,也不自由扫描完整 Ontology schema。它是在被配置和授权的边界内,通过 Ontology 暴露的对象、关系、上下文、函数和动作完成业务交互。

Ontology 是企业业务世界的受治理语义接口;Agent 是通过自然语言使用这些接口的操作员。

你可以把 Ontology 理解为 Agent 的"操作系统"(AgentOS)——Agent 的一切能力都在 Ontology 这个受控边界内运行。

交互公式 · 数据流转
👤 用户消息 Context 注入 Tools 调用 LLM Ontology 查询/计算 Governance 约束 ✅ 审计与结果

各部分的分工:

1. Ontology 在 Agent 眼里是什么?

Ontology 语义层结构
Datasets · Virtual Tables · Models · Pipelines(底层数据资产) ONTOLOGY — 受治理的语义层 Semantic(描述世界) Object Types · Properties · Links · Interfaces Kinetic(改变世界) Actions · Functions · Automate · AIP Logic 🤖 AIP Agent / Chatbot

Palantir Ontology 是企业的 operational layer,坐在 datasets、virtual tables、models 之上,把底层数字资产映射成现实世界对象。它不是传统数据目录,也不只是知识图谱。

📋

Semantic Elements 描述业务世界

Object Types — Shipment, Order, Warehouse, Customer
Properties — status, ETA, priority, performanceScore
Links — Shipment → Order → Customer

解决:Agent 如何理解"企业里有什么,它们之间是什么关系"

⚡

Kinetic Elements 改变业务世界

Actions — updateShipmentETA, assignCarrier
Functions — calculateDelayRisk, optimizeSchedule

解决:Agent 如何从"回答问题"走向"执行业务"

关键理解:Palantir Ontology 的核心不是"把表换个名字",而是把企业的名词、关系、规则、动作和权限放到同一个受治理的语义层里。

2. Agent 与 Ontology 的交互分层

建议把交互分成五层来看:

1 Context Layer — 让 Agent 先看见相关上下文(系统确定性触发)
2 Query Layer — 让 Agent 主动查询对象和关系(LLM 自主决策)
3 Logic Layer — 让 Agent 调用函数、模型和业务逻辑(LLM 自主决策)
4 Action Layer — 让 Agent 执行受控业务动作(LLM 决策 + 可选用户确认)
5 Governance Layer — 约束 Agent 的权限、审计和安全边界(全链路贯穿)

3. Layer 1 · Context Layer(Retrieval Context)

Context Layer 的作用是:在用户每次提问时,系统自动给 Agent 提供相关背景。关键特征:确定性触发 — 每条用户消息到达时自动执行,不依赖 LLM 自己判断要不要检索。

Retrieval Context 的三种类型
👤 用户消息到达 系统自动触发(不经过 LLM) 📋 Ontology Context 固定对象 / 语义搜索 从 Object Type 检索 📄 Document Context 全文 / 语义 Chunk 从文档检索相关内容 ⚙️ Function-backed Context 自定义 TypeScript 检索 多数据源拼装 注入 LLM Context

3.1 Ontology Context

从 Object Type 检索对象,支持固定对象集(Variable Input)和语义搜索(Vector Embedding)两种方式。

📌 固定对象集 — 仓库调度助手

配置:Object Type = Warehouse,绑定 Workshop 页面当前选中 Warehouse
效果:用户在 Workshop 选中"华南仓"后打开 Agent → Agent 自动拿到容量、积压量、负责人等信息 → 用户直接问"现在积压情况怎么样?"

秘书在老板走进会议室前,已经把这个客户的档案放到桌上了。老板不需要说"帮我找一下档案",坐下就能直接谈事。
🔍 语义搜索 — 客户投诉处理助手

配置:Object Type = CustomerComplaint,语义搜索 K=5
用户问"有没有客户反映过冷链断链导致货损的情况?"→ 系统自动向量化问题 → 搜索 embedding → 返回 5 条最相关历史投诉 → LLM 直接总结

图书管理员听到你的问题后,自动从书架上抽出最相关的 5 本书放到你面前。你不需要自己去找书,直接翻阅就行。

3.2 Document Context

从文档中检索相关内容,支持全文模式和语义 Chunk 模式两种方式。

📄 全文模式 — 合同条款审查

配置:关联 Foundry 文档集,全文检索
效果:用户问"这份承运合同中关于延误赔偿的条款是什么?"→ Agent 直接拿到完整合同文本 → LLM 定位并解释相关条款

🔍 语义 Chunk 模式 — 多文档精准定位

配置:关联多个合同/文档,语义搜索 K=3
用户问"承运商 A 的延误赔偿条款和免责条件"→ 系统自动从三份合同中搜出最相关的 chunk → LLM 直接对比分析

图书管理员听到你的问题后,自动从书架上抽出最相关的 5 本书放到你面前。你不需要自己去找书,直接翻阅就行。

3.3 Function-backed Context

当内置检索不够用时,用 TypeScript 写自定义检索函数。函数输出 retrievedPrompt 字符串注入 LLM context。适合多数据源、多检索策略、多业务规则组合的复杂企业场景。

🎯 客户 360° 视图助手

场景:用户问"这个客户最近情况怎么样?"
自定义函数同时拉取:CRM 沟通记录 + Ontology 活跃订单 + 语义搜索投诉工单 → 拼装成综合情报注入 LLM

秘书在老板开会前,同时打电话给销售部、客服部和法务部,把各方信息汇总成一页纸摆到桌上。

4. Layer 2 · Query Layer(Object Query Tool)

Context Layer 是系统自动注入;Query Layer 是Agent 主动查询。Object Query Tool 允许 LLM 在配置边界内访问指定 Object Types 和 Properties,支持 filtering、aggregation、inspection、traversal of links。

Object Query 工作流程
LLM 决策查询 "我需要查..." Object Query Tool • Filter: status="delayed" • Aggregation: COUNT, GROUP BY • Link Traversal: Ship→Order→Cust Ontology • Object Types & Links • Properties & Values • 基于语义对象,非 SQL 📊 结构化查询结果 + Citations 点击可跳转到具体 Ontology Object 来源

三种典型查询模式

🔢 多条件过滤 + 聚合

"今天华南仓有多少个延误的高优先级订单?" → Filter: region="华南" + delayed + high priority → COUNT → 7
追问"哪几个是 VIP 客户?" → 沿 link Shipment→Order→Customer → Filter: serviceLevel="VIP" → 3 个

老板在开会时自己翻资料,先按地区筛订单,再追问"哪些是大客户"。资料一直在桌上,但翻哪页、怎么筛,是老板自己决定的。
🔗 Link 遍历 — 追溯问题根因

"订单 ORD-8832 的延误是哪个环节出的问题?" → 沿 link 逐层:Shipment → Carrier(履约率 72%)→ TransitHub(拥堵等级 high)→ 综合判断:车辆故障 + 中转枢纽拥堵

侦探沿线索链逐步追查 — 从案件到嫌疑人,从嫌疑人到同伙,从同伙到据点。每一步都是"顺着关系往下查"。
📊 聚合 — 运营概览

"各区域仓库积压情况对比?" → Group By: warehouse.region, Aggregation: COUNT(status="pending_dispatch") → 华南 42 / 华东 28 / 华北 15 / 西南 8

管理层要一张各区域的"红绿灯"看板 — 不看具体每一单,只看汇总数字,一眼判断哪里需要关注。

5. Retrieval Context 与 Obje…

ISAAC / MEMBERSHIP继续阅读

把这篇文章,
读到最后。

开通月度会员,继续阅读本篇剩余内容。

  • 解锁会员文章的完整内容与图示
  • 更高档位可下载 skill、加入 AI 咨询营
月度会员

¥30/ 月

查看会员权益

按月开通 · 到期手动续费

已有会员?登录后继续阅读 →
文章阅读全文Skill 与咨询营微信支付
← AI 战略认知 · 全部文章ISAAC / MEMBERSHIP

阅读更深入,
交流也更近一步。

¥30/ 月

开通月度会员 ↗

所有文章均可试看约 40%。单次开通一个月,到期手动续费。