能力专题 · Capability Topic

践行华为本体思想

华为写了本体的教科书,我们把它装进了发动机——《本体驱动的AI数据管理》讲怎么建本体,FlyOntOS 讲建完之后怎么让它自己跑、自己查、自己进化。本页逐条对照:7+1 每一项在我们这儿叫什么、落在哪一层、怎么落地。

《本体驱动的AI数据管理》· 机械工业出版社 2026.57+1 项语义规范逐项对照逐条给落点 · 不空谈
The Book

先说清楚,这是一本什么书

华为把二十多年数字化转型里「数据怎么才能被 AI 用起来」的经验,写成了一套可复制的方法论。全书主线只有一句:把数据的描述从「对象、属性、关系」升级为「事实、事理、行动」。前两个词企业信息化三十年一直在做,真正的增量是第三个——行动。

2026 年 5 月

机械工业出版社出版

4 篇 10 章

从概念 → 建模 → 落地 → 应用

7+1

项语义规范框架

16.3 万字

陶景文作序

Four Parts, Mapped

全书四篇,每篇在 FlyOntOS 里对应什么

读完这张表,你就知道这本书哪几章可以直接用我们的产品跳过。

篇章它在讲什么FlyOntOS 对应模块状态
第一篇 · 概念与认识为什么数据管理要转型;本体论基础;体系框架《本体论入门与实践方法论》十阶课程 + 社区✓ 有教材
第二篇 · 事理模型与建模对象-属性-关系;§5.4 的「7+1」语义规范框架本体建模模块 + 四层本体 L0/L1/L2/L3 + SHACL/SWRL✓ 产品化
第三篇 · 构建与融合落地§6.1「29 句话」· §6.5「点线面」· 跨系统语义对齐 · 工具平台化CAR 逆向设计 · 知识融合引擎(五种消解策略)· L2 桥接层 · 可视化编辑器✓ 产品化
第四篇 · AI 场景应用与展望问答 / 流程自动化 / 决策支持三类场景100+ onto_* MCP 工具 + Skills 能力图谱 + RLVR 3.0 自进化★ 我们更强

前三篇是「怎么建」,华为讲得比谁都清楚;第四篇是「建完怎么用、怎么越用越好」,这是 FlyOntOS 的主场。

Fact · Principle · Action

「事实 · 事理 · 行动」到底是啥

别背定义。看一张报销单就够了。

事实

第一格 · FACT

“发生了什么”——客观记录,不掺判断。

· 一张餐饮发票,1800 元

· 消费地:深圳,日期:2026-09-28

· 提交人:市场部 小李

· 关联项目:Q3 品牌推广

↑ 这四行,ERP 里本来就有。存了三十年。

事理

第二格 · PRINCIPLE

“按规矩该怎么算”——制度、口径、逻辑。

· 《差旅费管理办法》§3.2:业务招待费单次上限 1500 元

· §4.1:超额需部门总监二级审批

· 深圳属一线城市,标准不上浮

· 市场部 Q3 预算已用 87%

↑ 这四行,躺在 PDF 里。以前没人读得懂。

行动

第三格 · ACTION

“那现在该干什么”——可执行的下一步。

· 拦截本次报销,不予通过

· 自动推送补充二级审批待办给总监

· 记入「预算超支风险」台账

· 抄送财务 BP:Q3 剩余额度告急

↑ 这四行,以前全靠人脑连线。

前两格,企业信息化做了三十年。卡住所有人的,是第三格——从「知道」到「该干什么」的那一步。这一步没有本体就连不上,因为「该干什么」写在制度里,不写在数据库里。

7+1 Spec, Item by Item

★ 7+1 语义规范,逐项对照

华为在 §5.4 给出的这套框架,我们逐条在 FlyOntOS 里找到了落点。

#规范人话:它管什么FlyOntOS 里叫什么落在哪一层状态
1RDF给每个业务对象发一张身份证,机器才指得到它数据→本体映射:ORM 表→类 / 列→数据属性 / 外键→对象属性;JSON-LD 模板映射;NER 实体抽取数据集成层 → L1✓ 已落地
2OWL全公司说同一个词,不许各说各的本体建模模块三路生成(从零 / 逆向 / 智能抽取)+ 四层本体 L0 上位 · L1 领域 · L2 企业业务 · L3 项目L1 核心业务本体✓ 已落地
3SKOS术语表:同义词、上下位词统一管理浏览器内 OWL/SKOS 零安装编辑器 + 同义词消歧 + 跨系统实体合并L1 + L2 桥接层✓ 已落地
4SWRL业务规则写成 if…then…,让机器自己推SWRL 规则库(公理 / 逻辑 / 约束 / 转换 / 业务 / 反应 六类)+ 混合推理引擎:Rete 规则 + OWL2 RL 本体 + 概率 + LLM 四引擎融合L1 + L3✓ 已落地
5OWL-S把流程串起来,谁先谁后未采用该标准。用 Skills 能力图谱 + 服务编排引擎自研实现:意图→能力匹配→依赖解析→调用排序→失败回退L3 能力本体⚠ 自建实现
6ODRL谁能看、谁能改未采用该标准。用 RBAC 三级权限:租户(Owner/Admin/Member)× 项目(Admin/Editor/Viewer)+ 数据隔离平台安全层⚠ 自建实现
7SPARQL怎么把数据问出来SPARQL Endpoint + 100+ onto_* MCP 工具 + NL2SPARQL/NL2SQL 自然语言查询 + 联邦查询L3 推理层✓ 已落地
+1目标与评估做完了,凭什么算好L6 Harness 质量本体:黄金集 40% 正例 / 30% 边界 / 20% 负例 / 10% 例外 + 100% 自动回归 + 五维验证体系L6 质量本体★ 做得更狠

前 7 项是 W3C 既有标准,第 8 项是华为自己加的——这一笔才是全书的点睛。而恰恰是这第 8 项,华为只给了原则,我们把它做成了一整层产品。

The +1 Item

第 8 项「目标与评估」:华为给方向,我们给仪表盘

怎么证明这套本体是对的?《本体驱动的AI数据管理》§5.4.8——明确任务及业务效果,支撑 AI 迭代优化。

华为的写法(原则层)

  • 把「目标」与「评估」纳入本体规范,让 AI 知道做成了什么样算达标。
  • 这是对纯技术本体框架的补闭环——很关键,但书里到原则为止。

FlyOntOS 的写法(工程层)

  • L6 Harness 质量本体:测试用例、策略、验证结果、生产事件、执行日志全部是图里的实体,不是散落的 Excel。
  • 黄金集配比:40% 正例(覆盖主干)+ 30% 边界(临界场景)+ 20% 负例(防误报)+ 10% 例外(兜底),缺一类就不算测过。
  • 100% 自动化回归:本体每改一次,全量重跑,不等人点按钮。
  • onto_drift 7×24 漂移检测:业务变了本体没跟上?自动报警。

100%

自动回归覆盖率

4 : 3 : 2 : 1

黄金集配比

7×24

本体漂移监测

From Policy to Machine

具体到一行代码:制度是怎么变成机器的

用一条真实的物料短缺风险规则,看「人话 → SWRL → SPARQL」三步走完。

01第一步:业务专家说人话

这句话写在《MRP 异常处置规程》里,全公司都认。

「只要某个物料计划需求大于 0,而当前库存小于计划需求,就判定为短缺风险,缺口记为需求减库存,并按缺口大小排序派单。」

02第二步:本体工程师写成 SWRL

机器可执行的公理,存在 L1,由推理引擎自动触发。

Material(?m) ∧ hasPlannedDemand(?m, ?d) ∧ greaterThan(?d, 0)
    ∧ hasCurrentStock(?m, ?s) ∧ lessThan(?s, ?d)
    ∧ subtract(?gap, ?d, ?s) ∧ greaterThan(?gap, 0)
 →  ShortageRisk(?m) ∧ riskType(?m, "ShortageRisk") ∧ riskValue(?m, ?gap)

03第三步:Agent 用 SPARQL 问出来

或者直接用 onto_query 类 MCP 工具,一句自然语言也行。

SELECT ?materialCode ?riskValue WHERE {
    ?m  a :Material ; :materialCode ?materialCode ; :hasRisk ?r .
    ?r  a :RiskIndicator ; :riskValue ?riskValue .
} ORDER BY DESC(?riskValue)

这三步做完,发生了什么质变?制度改了 → 只改 SWRL 那三行 → 全系统立刻生效,不用改一行 Java,不用等发版。这就是华为书里说的「事理」真正落地时的样子。

Huawei Methods, Our Status

华为的三套落地方法,我们怎么跑

其中两项我们准备直接照抄——好方法不需要自己重新发明。

华为方法它解决什么FlyOntOS 现状判定
29 句话AI 先从显性知识提炼 29 句话 → 业务专家补隐性知识 → 三方审核(逻辑正确 / 描述清晰 / 内容完备)🟡 我们没有对应机制。CAR 的 Reason 步骤门槛更高,要直接写「胜任力问题」。这是我们要向华为学的一条。准备引入
点线面小切口场景 → 纵轴(领域级)整合 → 横轴(跨领域)整合 → 连接存量数据湖🟡 我们目前直接铺 20+ 行业模板,是「面」。缺一条给客户用的渐进路径。准备引入
双大模型协同校验一个模型建、另一个模型审,互相挑错✓ 已有:混合标注(规则 + LLM 双重校验)+ 推理编排器✓ 已落地
跨系统语义对齐不同系统的同一个东西,怎么认成同一个✓ 强于书中所载:知识融合四步 + 五种冲突消解策略(投票 / 置信度加权 / 来源优先级 / 时效优先 / 权威优先)+ L2 桥接层★ 更强
建用优复本体资产的全生命周期运营✓ 已有:本体版本管理 + 持续演化闭环(增量学习→本体更新→质量验证→版本发布)✓ 已落地
五环联动见于序言与官方介绍,五个环节的具体内容尚未见公开说明,本页不做映射,待原书细节公开后补齐——
Six Layers vs Three Boxes

FlyOntOS 六层本体,各装哪一格

华为分三格,我们分六层——多出来的三层,正是「企业数据治理」与「智能体运行」的分水岭。

层层名装什么华为哪一格
L1核心业务本体领域概念、属性、公理、约束、基础规则——规范上下文的词汇表事实 + 事理
L2桥接层跨系统等价类对齐:CRM 的「客户」= ERP 的「客商」?在此声明事实
L3能力本体技能注册与路由、流程编排——承接 Agent 的可执行动作行动
L4上下文本体动态子图映射、语义预算、Pin 钉住机制——治理「装不下、跑了、串了」书里没有
L5记忆本体BDI 四维记忆:Belief(认知)· Desire(目标)· Intention(意图)· Experience(经验),分存 Neo4j / Redis / PgSQL / ES书里没有
L6质量本体黄金集 + 100% 自动回归——本体的合格证对应「+1」,但更工程化

L4 / L5 / L6 这三层,在「企业数据治理」视角下不是问题——数据是死的、查询是一次性的。但对天天在跑的 Agent,它们是生死线。这就是方法论与操作系统的差别。

Beyond the Book

华为书里没有、但必须有的三件事

不是批评。是分工——书负责「怎么建」,这三件事发生在建完之后。

上下文会跑偏

同一个业务概念,跨 20 个系统能定义出 20 种含义。多轮对话一长,Agent 就串了。「事实」建对了,不代表「当下这一刻该用哪一份事实」是对的。

L4 上下文本体 · 语义预算 · 钉住机制

Agent 需要记忆

Agent 是天天在岗的员工,不是一次性查询。它得记得上周被驳回过什么、这个客户偏好什么、上次为什么改口径。

L5 记忆本体 · BDI + Experience 四维

本体得自己进化

制度每月改、业务每季变。靠人维护本体,必然烂尾。把本体直接做成强化学习的奖励源:SHACL → 负奖励,OWL DL → 一致性奖励,onto_drift → 修正信号。

RLVR 3.0 · 本体 × Agent × 强化学习

Honest Gaps

把话说全:我们还差三件事

对标不是为了赢,是为了知道补哪里。

①

「+1」的语义,我们只做到了一半

华为说的「目标与评估」,指的是业务效果——任务达没达成、业务指标好不好。我们 L6 做到的,是测试质量——准确率、召回率、回归通过率、P99。二者不等价。L5 里的 Desire 是 Agent 的目标,不是业务方的目标。

→ 正在补:把业务 KPI 也建成图实体,挂进 L6,让「达标」这件事可计算、可追溯。

②

缺一个「29 句话」式的低门槛入口

我们 CAR 的 Reason 步骤要求直接写「胜任力问题」,对业务专家来说门槛偏高。华为用「先压成 29 句话,专家照着补充」把门槛降到了任何人都能开口。

→ 准备照做:把「29 句话」改造成需求抽取模板,接进 CAR 的第一步。

③

OWL-S / ODRL 两项标准未采用

我们用 Skills 能力图谱替代 OWL-S、用 RBAC 替代 ODRL。工程上更好用(OWL-S 生态事实上已停滞,ODRL 在企业侧多落地为 RBAC/ABAC)。但若甲方明确要求对标华为的「7+1」标准清单,字面合规上我们不达标。

→ 提供 OWL-S / ODRL 导出映射器,做到「内部自建、外部可对齐」。

Point · Line · Plane

照着「点线面」,我们这样落地

小切口进场,验证之后再扩张——这是华为的路子,也是我们 50+ 案例跑出来的路子。

第 1 周 · 点

选一个「出错就要担责」的小场景

  • FlyWork 文档物料化:把该场景的制度、标准、SOP 转成结构化知识
  • 本体逆向生成 → CAR 定义「什么叫答对」
  • 黄金集 40 / 30 / 20 / 10 建起来

交付物:一个能跑、能验、能追责的最小闭环。

第 2–4 周 · 线

纵轴整合:拉通同一领域的多个系统

  • L2 桥接层建等价类 → 五种冲突消解策略上线
  • SHACL + SWRL 约束铺开
  • 四维质量门禁接入 CI

交付物:领域内口径统一,跨系统不再打架。

第 2–3 月 · 面

横轴整合:跨领域 + 接 Agent + 开始自进化

  • 100+ onto_* MCP 工具开放给任意 Agent
  • L4 / L5 上线支撑长时运行
  • RLVR 3.0 开启:用户对结果的采纳 / 驳回回流为本体奖励信号
  • onto_drift 7×24 值守

交付物:本体不再需要人天天维护。

Outcomes

可量化的收益

落地之后,具体变好什么。

1–7 天

从进场到最小闭环交付

95%+

推理准确率(50+ 案例均值)

100%

自动回归覆盖率

20+

落地行业

6 类

数据源开箱接入

100+

onto_* MCP 工具

指标为典型项目口径,实际以客户现场黄金集回归结果为准。

Get Started

把书里的方法,跑成你公司里的系统

带着《本体驱动的AI数据管理》来也行,带着一本你们自己的制度汇编来也行。

已在用 Palantir / 千问或其他本体平台?我们可以接在其上,补齐 L4–L6 三层。

本页为飞速创软对公开出版物《本体驱动的AI数据管理》(机械工业出版社,2026 年 5 月)的学习与落地实践解读。书中篇章结构、7+1 规范项据公开目录整理,具体表述以原书为准。本页内容与华为技术有限公司无隶属、合作或背书关系。