企業(yè) RAG 上線后最常見(jiàn)的問(wèn)題是"找到了文檔，還是不懂業(yè)務(wù)"。本文從技術(shù)架構(gòu)角度分析向量檢索的語(yǔ)義缺口，說(shuō)明本體層（Ontology）在企業(yè) AI 架構(gòu)中的位置，并結(jié)合用友 BIP 6 的 YonOnto 企業(yè)本體平臺(tái)與 YonWork 企業(yè) AI 工作臺(tái)，拆解一條從"語(yǔ)義理解"到"任務(wù)執(zhí)行"的完整鏈路。
當(dāng)前多數(shù)企業(yè) AI 應(yīng)用采用文檔型 RAG：把文件切成文本片段，生成向量，按語(yǔ)義相似度召回，再交給大模型組織答案。
這套方案在知識(shí)問(wèn)答、資料查找、內(nèi)容歸納、證據(jù)引用上是有效的。但它在企業(yè)場(chǎng)景里會(huì)穩(wěn)定地卡在幾類(lèi)問(wèn)題上：
| 問(wèn)題 | 文檔型 RAG 的表現(xiàn) |
|---|---|
| 文檔里的"客戶(hù)""甲方""采購(gòu)方"是不是同一個(gè)對(duì)象 | 依賴(lài)模型結(jié)合上下文猜 |
| 這份合同對(duì)應(yīng)哪個(gè)項(xiàng)目、哪個(gè)版本、哪些審批規(guī)則 | 無(wú)法穩(wěn)定關(guān)聯(lián) |
| 同一員工為何同時(shí)出現(xiàn)在"在職"和"離職"記錄 | 無(wú)法判斷時(shí)態(tài)有效性 |
| AI 找到一條制度后，是否有權(quán)發(fā)起下一步操作 | 完全超出 RAG 能力范圍 |
根本原因在于：向量檢索擅長(zhǎng)回答"哪段文字和問(wèn)題相關(guān)"，但回答不了"這段內(nèi)容在業(yè)務(wù)里代表什么、能不能動(dòng)、誰(shuí)能動(dòng)"。
這不是 RAG 的錯(cuò)，是任務(wù)范圍已經(jīng)超出了"找文本"。
OAG（Ontology-Augmented Generation，本體增強(qiáng)生成）解決的是下一層問(wèn)題。給大模型的不只是更多文字，而是一個(gè)穩(wěn)定的業(yè)務(wù)坐標(biāo)系。
| 關(guān)注點(diǎn) | RAG 更擅長(zhǎng) | OAG 進(jìn)一步解決 |
|---|---|---|
| 信息在哪里 | 從文檔和知識(shí)源中召回相關(guān)內(nèi)容 | 把內(nèi)容錨定到具體業(yè)務(wù)對(duì)象與關(guān)系 |
| 這段內(nèi)容是什么意思 | 依賴(lài)大模型結(jié)合上下文判斷 | 用統(tǒng)一類(lèi)型、屬性和規(guī)則限定語(yǔ)義 |
| 結(jié)論能否復(fù)核 | 返回引用片段或來(lái)源 | 保留對(duì)象、關(guān)系、規(guī)則與證據(jù)鏈 |
| 下一步怎么做 | 生成答案或建議 | 在權(quán)限和流程約束下選擇工具與動(dòng)作 |
| 知識(shí)如何更新 | 更新文檔與索引 | 同步更新對(duì)象狀態(tài)、關(guān)系、版本和規(guī)則 |
比較穩(wěn)妥的技術(shù)路線是：RAG 負(fù)責(zé)找證據(jù)，本體負(fù)責(zé)統(tǒng)一語(yǔ)義，圖譜負(fù)責(zé)連接關(guān)系，智能體負(fù)責(zé)完成任務(wù)。 它們不是四套割裂的系統(tǒng)，而是一條連續(xù)的工作鏈路。
需要先澄清三個(gè)經(jīng)常被混用的概念：
用友對(duì)這層的官方表述是：企業(yè)本體通常定義業(yè)務(wù)概念及關(guān)系，知識(shí)圖譜可以承載具體實(shí)體和關(guān)聯(lián)數(shù)據(jù)，兩者經(jīng)常配合使用；YonOnto 還強(qiáng)調(diào)將對(duì)象、規(guī)則、事件和動(dòng)作結(jié)合起來(lái)，支持智能體理解并調(diào)用業(yè)務(wù)能力。
用友 BIP 6 把"企業(yè)上下文"拆成三層，由三個(gè)平臺(tái)分別承擔(dān)：
┌─────────────────────────────────────────────┐
│ YonOnto 業(yè)務(wù)語(yǔ)義層：這些數(shù)據(jù)和知識(shí)意味著什么 │
├─────────────────────────────────────────────┤
│ YonKnow 知識(shí)層：企業(yè)過(guò)去沉淀了哪些知識(shí)和經(jīng)驗(yàn) │
├─────────────────────────────────────────────┤
│ YonData 數(shù)據(jù)層：企業(yè)現(xiàn)在發(fā)生了什么 │
└─────────────────────────────────────────────┘
↓
統(tǒng)一企業(yè)上下文 → 供大模型與智能體消費(fèi)YonOnto 支持三類(lèi)本體建模：
基于用友 BIP 橫跨十大領(lǐng)域（財(cái)務(wù)、人力、供應(yīng)鏈、營(yíng)銷(xiāo)、采購(gòu)、制造、研發(fā)、項(xiàng)目、資產(chǎn)、協(xié)同）的積累，YonOnto 提供財(cái)務(wù)、人力、營(yíng)銷(xiāo)、采購(gòu)、供應(yīng)鏈、制造、資產(chǎn)、項(xiàng)目、研發(fā)等企業(yè)級(jí)本體模型。
這里的定位需要說(shuō)清楚：這些領(lǐng)域本體模型不是替企業(yè)固化一套標(biāo)準(zhǔn)答案，而是提供可復(fù)用的業(yè)務(wù)語(yǔ)義基礎(chǔ)，企業(yè)可以結(jié)合自身組織、流程和管理規(guī)則持續(xù)擴(kuò)展。
從產(chǎn)品畫(huà)冊(cè)披露的架構(gòu)看，YonOnto 由四層構(gòu)成：
關(guān)鍵點(diǎn)：完整性校驗(yàn)、沖突檢測(cè)、影響分析、版本審批、回滾這些工程能力，決定了本體能不能長(zhǎng)期維護(hù)，而不只是一個(gè)漂亮的圖。
有了本體，AI 才知道"當(dāng)前任務(wù)涉及哪些客戶(hù)、合同、訂單、項(xiàng)目和組織，這些對(duì)象之間是什么關(guān)系，當(dāng)前處于什么狀態(tài)，可以采取哪些動(dòng)作"。
但知道不等于能做。YonWork 企業(yè) AI 工作臺(tái)負(fù)責(zé)把認(rèn)知轉(zhuǎn)成行動(dòng)。
以"分析本月利潤(rùn)下降的主要原因，并形成整改任務(wù)"為例，執(zhí)行鏈路是：
自然語(yǔ)言意圖
↓ [身份/權(quán)限/數(shù)據(jù)/本體關(guān)系/歷史記憶](méi) 意圖理解
任務(wù)拆解（多步驟規(guī)劃）
↓
智能體與 Skill 選型 + 多智能體分工調(diào)度
↓ YonStudio 構(gòu)建的智能體 / OpenAPI & YonMCP 連接業(yè)務(wù)系統(tǒng)
分析執(zhí)行（經(jīng)營(yíng)分析、成本、供應(yīng)鏈、項(xiàng)目智能體協(xié)同）
↓
結(jié)果結(jié)構(gòu)化（整改建議 / 責(zé)任分工 / 后續(xù)任務(wù)）
↓ 需審批動(dòng)作 → 轉(zhuǎn)人工確認(rèn)
結(jié)果回寫(xiě)企業(yè)系統(tǒng)
↓ 全程由 YonAIG 記錄：調(diào)用軌跡、成本、評(píng)測(cè)、審計(jì)這里有兩個(gè)工程上的關(guān)鍵點(diǎn)值得注意：
用友 BIP 6 提出"智能雙模"：智能體軟件（自主執(zhí)行、概率計(jì)算、非確定性）與流程執(zhí)行型軟件（按規(guī)則執(zhí)行、精確計(jì)算、確定性）協(xié)同運(yùn)行。
這個(gè)劃分在工程上是必要的。核算、結(jié)算這類(lèi)步驟必須按規(guī)則確定性執(zhí)行；分析、建議、任務(wù)規(guī)劃可以用模型能力。劃分清楚后，企業(yè)更容易控制操作風(fēng)險(xiǎn)和檢查結(jié)果。
YonAIG 則負(fù)責(zé)貫穿智能體構(gòu)建、任務(wù)運(yùn)行和業(yè)務(wù)執(zhí)行全過(guò)程，管理智能資產(chǎn)、身份權(quán)限、調(diào)用軌跡、執(zhí)行成本、評(píng)測(cè)效果和審計(jì)合規(guī)。