零点未来 · 技术科普

五张「图」,一张图讲明白

Ontology · Knowledge Graph · Context Graph · Code Graph · Graph Engineering
五个高频词,其实分两类:前四个回答「系统知道什么」,最后一个回答「系统怎么干活」。

总览图 · 点击任意节点,直达对应章节
AI SYSTEM 🧠 Knowledge / Context Layer · 知道什么 ⚡ Execution Layer · 怎么干活 Ontology · 本体——跳转到对应章节 Ontology · 本体 定义概念和关系 · 规则书 Knowledge Graph · 知识图谱——跳转到对应章节 Knowledge Graph 知识图谱 Context Graph · 上下文图谱——跳转到对应章节 Context Graph 上下文图谱 Code Graph · 代码图谱——跳转到对应章节 Code Graph 代码图谱 operational knowledge 任务状态 · 事件 · 历史 · 证据 software/code structure 代码结构 · 调用关系 · 依赖关系 前四张图 = 系统知道什么(What it knows) Graph Engineering · 图谱工程——跳转到对应章节 Graph Engineering 图谱工程 构建和运行 Graph 驱动的 AI 系统 Agent Graph · 智能体图——跳转到对应章节 Agent Graph 智能体图 🤖 Agent 🔧 Tool 🧠 LLM ✅ Evaluator 👤 Human 🔁 Loop 节点 = 数据处理、查询、推理、工具调用或 Agent 能力 边 = 数据流、控制流或推理路径 图谱工程 = 系统怎么干活(How it acts)

🟣 紫色 = 描述世界(知道什么) 🟡 琥珀色 = 描述执行(怎么干活)——记住这两块颜色,后面每个图都按这个逻辑来。

0核心结论:知道什么 vs 怎么干活

这五个词里都带「图」,但其实是两类完全不同的东西:

🧠 知识层 · 描述世界 Ontology · Knowledge Graph · Context Graph · Code Graph
回答「系统知道什么」——像地图与燃料
⚡ 最后一个 · 描述执行 Graph Engineering
回答「系统怎么干活」——像轨道与发动机

知道什么,决定 Agent 答得对不对;怎么干活,决定 Agent 做得稳不稳。

一个记法:前四个描述系统知道什么,Graph Engineering 负责让 Agent 使用这些知识完成任务。

1Ontology 本体 — 定义业务世界、规则与可执行能力

打个比方,本体就是公司的「标准术语表 + 家规」:它不记张三李四,只规定——「客户」这个词怎么定义、「客户」和「订单」之间允许有什么关系、哪些规则永远成立。它是字典和语法书的合体,而且严格到机器也能读懂。

Palantir Ontology = Objects + Links + Properties + Logic + Actions + Security

对象 + 关系 + 属性 + 推理规则 + 可执行操作 + 权限安全——本体不只定义「有什么、什么关系」,还定义「谁能做什么、什么条件下能做」。注意:这里的「操作」是一条许可规则(比如「折扣超过 15% 需要 VP 审批」这条规矩本身),真正把多个操作串成一条可执行流程,是图谱工程(第 5 节)的活。

什么时候用它:多个团队/系统要统一口径(医疗里的「诊断」绝不允许有两种意思);要让机器自己推理出新知识(药 X 治 Y 病 + 患者有 Y 病 ⇒ 药 X 可能适用);领域知识稳定、精度比速度重要(金融 FIBO、医疗 FHIR)。

装的是什么概念类型、属性、关系规则——不是实例数据
回答什么问题「诊断」是医疗诊断还是软件缺陷?两种「收入」是不是一回事?
多久变一次很少变,改一次走审批、留版本
主要给谁用所有图共同遵守的「语义契约」
规则书长什么样 · 类型 + 关系 + 推理
📖 允许存在的「类型」 Person 人 属性:姓名 · 出生年 Company 公司 属性:名称 · 行业 City 城市 属性:名称 · 国家 📜 允许的关系与规则 worksAt 就职于(一人可多家) Person Company headquarteredIn 总部在(1 对 1) Company City ✍️ 规则示例 knows 是对称的:A 认识 B ⇒ B 认识 A 约束:一张订单只能属于一个客户 🔮 规则能「推理」出新知识 药 X 病 Y treats 治疗 患者 Z has 患有 ⇒ 推断:或可治疗 两条已知事实 ⇒ 一条新知识

本体最值钱的本事是推理:不用人工写死「患者 Z 该吃什么药」,规则自己推出来。

本体的亲戚们 · 语义复杂度递增
① Taxonomy 分类法 只管父子层级:水果>苹果 ② Thesaurus 词表 补同义词:SODA=汽水 ③ Ontology 本体 加规则与推理 ④ Knowledge Graph 填进实例与事实 语义复杂度递增 →

四个词不是平级的:一个比一个装得多,本体站在「立规矩」这一级。

本体像建筑规范:规定「墙要多厚、房间怎么连、承重怎么算」,但规范本身不盖房子。知识图谱就是照着规范盖出来的房子。

2Knowledge Graph 知识图谱 — 填满事实的世界网

把本体这套「规矩」真正用起来,往里面填进一个个真实的人和事,就织成了一张「谁——什么关系——谁」的网。你可以把它想成一本长了神经的百科全书:不光查得到条目,还能顺着关系一路问下去。它是世界模型:回答「什么是普遍为真的」这类常识问题。

Knowledge Graph = Ontology Schema + Object Instances + Relationships

本体规则 + 具体实例 + 它们之间的关系——本体定义「客户」和「订单」能有什么关系,知识图谱把「张三」「订单 #8821」这些真实的人和事填进去,回答「企业有什么、它们怎么关联」。

什么时候用它:回答通用常识(巴黎在哪个国家?谁在哪家公司?);做推荐(「看过这部电影的人还喜欢…」);让大模型顺着关系网检索而不是瞎猜(GraphRAG 玩法,不挑哪张图)、多跳问答。

装的是什么实体实例 + 类型化关系(谁 → 什么关系 → 谁)
回答什么问题巴黎在哪个国家?谁在哪家公司工作?这类通用常识
多久变一次按需增删,跟着数据走
主要给谁用搜索、推荐、通用问答、GraphRAG
实例网 · 点 = 实体,线 = 关系,小字 = 属性
👤 张三 职位:工程师 🏢 零点未来 行业:AI 软件 🏙️ 北京 国家:中国 👤 李四 职位:架构师 worksAt 就职于 worksAt 就职于 headquarteredIn 总部在 knows 认识 ● 节点 = 实体 ● 边 = 类型化关系 ● 盒内小字 = 属性

血统:语义网老传统(RDF / OWL / SPARQL),2012 年 Google 知识图谱让它出圈,Wikidata 是代表。

本体 vs 知识图谱 · 规则书与填了内容的网
Ontology · 空的规则书(Schema) 谁 什么关系 谁 只有格式,没有具体的人和公司 填数据 Knowledge Graph · 填满事实的网(Data) 张三 零点未来 北京 张三 ─就职于→ 零点未来 ─总部在→ 北京
维基百科那样的「世界网」:谁和谁什么关系,全世界通用。但注意——它只知道「普遍为真」的事,不知道你们公司此刻发生了什么。这就引出下一张图。

3Context Graph 上下文图谱 — 任务上下文图

Knowledge Graph 描述实体、关系和事实;Context Graph 在此基础上加入任务、状态、事件、证据和历史决策,形成面向 Agent 决策的业务上下文地图:哪张表现在质量如何、谁负责、改一处谁会坏、谁批准过什么例外,而且跟着业务实时更新。它是给 AI Agent 准备的「可信业务上下文地图」。

Context Graph = Knowledge Graph + Task Context + Runtime State + Events + Decisions + Evidence

知识图谱 + 任务上下文 + 运行时状态 + 正在发生的事 + 决策 + 证据——不是缩小范围,而是在「有什么」的基础上叠一层「此时此刻」:现在什么状态、发生了什么事、谁批了什么、凭什么批的,让 Agent 知道当下该关注什么、该怎么决策。

什么时候用它:AI Agent 要进公司干活、需要「可信业务上下文地图」时;做影响分析(改这张表,哪些仪表盘会坏);审计合规要追溯「谁在何时、因为什么、批准了什么」。

装的是什么数据资产 + 血缘 + 负责人 + 质量 + 权限 + 决策轨迹
回答什么问题哪个仪表盘可信?改了这列谁会坏?谁批的例外?
多久变一次持续更新——管线、负责人、政策都在变
主要给谁用企业 AI Agent 的「锚定层」
企业 Agent 的可信业务上下文地图 · 资产 + 血缘 + 负责人 + 决策
🗄️ sales.orders 订单表 质量 98% ⚙️ dbt 管线 数据加工 📊 Q3 收入 仪表盘 ✅ 已认证 feeds 喂养 produces 产出 👤 王小明 数据负责人 owns 负责 📝 决策轨迹 VP 批准 20% 折扣例外 approver · reason · precedent approves 批准 🤖 AI Agent MCP 查询 ① 语义基础:本体——这些词是什么意思 ② 运行元数据:血缘 · 质量分 · 负责人 · 访问权限(怎么来的、能不能信) ③ 决策轨迹:谁批准了例外、为什么、先例是什么

上面这些边…

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。