LLM Wiki + Ontology:让企业知识从“可检索”走向“可行动”

LLM Wiki + Ontology:让企业知识从“可检索”走向“可行动”

很多企业已经把内部文档接入大模型,也做了 RAG。员工问制度、查产品资料,系统基本能回答。

可一旦问题变成:

“帮我看看华东区上个月毛利为什么掉了,顺便找出影响最大的三个客户。”

系统往往就卡住了。

它可能搜到《经营指标口径说明》,也可能知道公司有订单查询、客户分析、财务报表等工具。但“华东区”对应哪些组织编码,“上个月”按自然月还是财务月,“毛利”指毛利额还是毛利率,该调用哪个工具、参数怎么填,这些问题仅靠文档相似度解决不了。

这也是不少企业知识库接入 Agent 后暴露出来的短板:资料很多,知识却没有被组织成一个机器能够理解、查询和行动的业务世界。

LLM Wiki 提供了一种值得关注的知识管理方式;Ontology 则进一步定义这个业务世界中的实体、关系和约束。两者结合,才能让 Agent 从“会搜索资料”走向“理解业务并正确调用工具”。


一、企业缺的往往不是知识,而是知识结构

设想一下,新员工第一次听到“华东大客户毛利”。他需要逐步弄清楚:

  • “华东”是销售区域、交付区域,还是客户注册地;
  • “大客户”按照合同额、年度收入,还是客户等级判断;
  • “毛利”采用哪个财务口径,是否包含渠道返利和售后成本;
  • 数据来自订单系统、财务系统,还是经营分析平台;
  • 哪个接口能查,调用时需要传什么参数。

这些知识散落在指标文档、组织架构、接口说明、会议纪要和员工经验里。传统知识库通常把它们切成片段、生成向量,再等用户提问时召回。

问题是,相关片段不等于完整答案。系统可能同时召回三份“毛利”定义,却不知道哪一份适用于当前业务;也可能找到一个接口说明,却无法把用户口中的“华东”映射成接口要求的 region_id。

💡 关键洞察:Agent 的上限不只由模型决定,也由企业是否整理清楚“有哪些业务对象、它们如何关联、哪些工具可以操作它们”决定。


二、LLM Wiki:知识不是临时检索,而是提前编译

Karpathy 在 2026 年提出的 LLM Wiki 思路,核心不是换一种知识库界面,而是改变知识处理的时机。

普通 RAG 在收到问题后,临时从原始文档中检索片段,再由模型拼出答案。下一次遇到相似问题,检索和归纳过程还要重来。

LLM Wiki 会先让模型阅读新资料,把内容编译进一个持续维护、相互链接的 Wiki:

  • 新的组织文件进入后,更新“华东区”“销售区域”和相关负责人页面;
  • 新的财务口径发布后,更新“毛利率”页面,并标记旧口径已被替代;
  • 一次高质量分析得到确认后,可以沉淀为新的知识页面;
  • 定期检查孤立页面、冲突说法、失效链接和过期结论。

Karpathy 给出的基础架构有三层:

层级保存什么谁负责维护
Raw Sources
原始制度、报告、接口文档、会议纪要
人类提供,原则上不可篡改
Wiki
实体页、概念页、主题总结、交叉引用
LLM 生成并持续更新
Schema
目录结构、命名规范、写入和查询流程
人与 LLM 共同制定

这套方式最有价值的地方,是把每次阅读和分析留下来。新资料不是简单增加几个向量,而是可能更新多个已有页面,补充关系,指出冲突,让知识逐步积累。

不过,原始 LLM Wiki 中的 Schema 更像 Wiki 的维护规范,不等于严格的 Ontology。企业如果想让这些知识参与工具调用,还要补上一层清晰的业务语义模型。


三、企业海量数据如何构建进知识库

讲到这里,一个更现实的问题出现了:企业有数据仓库、业务数据库、上万份文档、几百个 API,还有持续增长的日志和会议记录,难道要把它们全部写进 Wiki?

答案是否定的。

LLM Wiki 不是新的数据湖,也不应该复制所有业务明细。订单流水仍留在数据库,实时库存仍由业务系统管理,日志仍进入日志平台。知识库保存的是这些数据的语义抽象、使用规则和来源指针:这张表代表什么、字段采用什么口径、实体之间如何关联、什么工具能查询、结果是否有权限限制。

3.1 先把数据源分层

不同数据不能用同一种方式摄取。

数据类型典型内容进入知识体系的方式
非结构化资料
制度、方案、会议纪要、产品文档
保留原文,切片建立 RAG 索引;抽取稳定知识编译进 Wiki
结构化主数据
客户、组织、产品、指标目录
建立实体 ID、别名、属性和关系,进入 Ontology 与实体索引
交易与事实数据
订单、库存、财务流水
不复制到 Wiki;登记数据集语义,通过 SQL、API、MCP 或 CLI 实时查询
工具与接口
API、MCP Server、CLI、数据查询服务
抽取能力描述、参数 Schema、权限和调用示例,进入工具目录
事件与日志
工单流转、操作日志、告警
保留在事件平台;沉淀事件类型、状态机和可查询入口

这一步很容易被忽略。把一亿条订单都做成向量没有意义,Agent 真正需要的是“订单是什么、在哪里查、按什么字段关联客户、查询结果采用哪个时间口径”。

3.2 再做实体抽取、消歧和关系对齐

数据进入后,系统需要完成一轮知识加工:

  1. 从文档、数据目录和接口说明中识别客户、产品、区域、指标、工具等候选实体。

  2. 把“华东”“东区”“East China”归并到同一个实体 ID,同时保留别名和适用范围。

  3. 对齐关系,例如客户归属哪个区域、指标依赖哪些字段、工具能够查询哪些实体。

  4. 记录来源、版本、生效时间、负责人和可信状态,避免把旧制度与新口径混在一起。

LLM 很适合做候选抽取、别名发现和关系建议,但实体合并、指标口径、权限规则不能完全自动发布。企业需要审核队列,让业务负责人确认高风险变更。

3.3 把知识编译成多种可查询形态

知识构建完成后,不应该只得到一个向量库。更实用的系统通常同时保留五种入口:

查询入口适合解决的问题
Wiki 目录和主题页
快速了解领域结构、概念定义和已有结论
关键词与向量索引
查找名称不完全一致的文档和知识页面
实体索引
通过唯一 ID、别名、类型和版本精确定位对象
关系拓扑
查询客户、区域、指标、数据集和工具之间的路径
工具目录
找到能执行任务的 MCP、CLI、API 或查询服务

一次查询可以先读 Wiki 目录确定主题,再通过实体索引完成消歧,沿关系拓扑找到数据集和工具,最后用 RAG 补充原始证据。检索不是单一路径,而是一套逐步收窄的路由机制。

3.4 增量更新,而不是定期推倒重建

企业知识每天都在变化。组织和客户主数据可以通过 CDC 或定时同步更新;接口发布时刷新工具 Schema;新制度进入后触发 Wiki 编译;数据负责人确认后再变更指标版本。

每次更新都要回答三个问题:新增了什么实体,影响了哪些旧页面,哪些缓存和索引需要失效。原始证据不覆盖,旧版本不直接删除,查询时按照生效时间选择正确版本。

这才是可长期运行的知识构建流程。一次性导入文档,只能做出一个很快过期的问答库。


四、Ontology 管的不是文档,而是业务世界

Ontology 常被翻译成“本体”。这个词有些抽象,可以把它理解为一套业务世界说明书。

W3C 对 OWL 的说明是:用机器可处理的方式表达事物、事物集合以及它们之间的关系。落到企业场景,Ontology 通常要回答四类问题:

  1. 有哪些类型:客户、区域、组织、产品、订单、指标、工具。

  2. 有哪些实例:华东区、客户 A、毛利率、订单明细查询工具。

  3. 它们如何关联:客户归属区域,订单属于客户,指标依赖数据字段,工具能够查询某类实体。

  4. 有哪些约束:毛利率必须指定口径版本;财务数据需要权限;自然语言地区名必须先解析成组织编码。

比如“华东区”可以被维护为一张实体页:

id: region.east_china
type: SalesRegion
name: 华东区
aliases:
  - 华东
  - East China
  - 东区
contains:
  - org.shanghai
  - org.jiangsu
  - org.zhejiang
valid_from: 2026-01-01
source: 2026版销售组织架构
status: verified

“毛利率”也不是文档中的一个词,而是有定义、有版本、有依赖关系的指标实体:

id: metric.gross_margin_rate.v3
type: BusinessMetric
name: 毛利率
formula: (不含税收入 - 可归属成本)/ 不含税收入
time_basis: 财务月
dimensions:
  - region
  - customer
  - product
data_source: finance_mart.profit_detail
replaces: metric.gross_margin_rate.v2
effective_from: 2026-04-01

有了这些实体,系统才知道用户说的词对应什么业务对象。更重要的是,工具、参数和权限也可以进入同一套 Ontology,而不是继续藏在几十份 API 文档里。


五、一套知识如何被多个场景复用

很多企业按项目建设知…

— 以上为试看内容(约 40%),开通会员后阅读全文 —