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。
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。
各部分的分工:
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。
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"
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。
建议把交互分成五层来看:
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。
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。
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?"
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
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。
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
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
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。
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
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。
"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
"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
"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
开通月度会员,继续阅读本篇剩余内容。