企業(yè) RAG 上線后最常見的問題是"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義缺口，說明本體層（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)本體平臺與 YonWork 企業(yè) AI 工作臺，拆解一條從"語義理解"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，按語義相似度召回，再交給大模型組織答案。
這套方案在知識問答、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)場景里會穩(wěn)定地卡在幾類問題上：
| 問題 | 文檔型 RAG 的表現(xiàn) |
|---|---|
| 文檔里的"客戶""甲方""采購方"是不是同一個對象 | 依賴模型結(jié)合上下文猜 |
| 這份合同對應(yīng)哪個項目、哪個版本、哪些審批規(guī)則 | 無法穩(wěn)定關(guān)聯(lián) |
| 同一員工為何同時出現(xiàn)在"在職"和"離職"記錄 | 無法判斷時態(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：向量檢索擅長回答"哪段文字和問題相關(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、誰能動"。
這不是 RAG 的錯，是任務(wù)范圍已經(jīng)超出了"找文本"。
OAG（Ontology-Augmented Generation，本體增強生成）解決的是下一層問題。給大模型的不只是更多文字，而是一個穩(wěn)定的業(yè)務(wù)坐標(biāo)系。
| 關(guān)注點 | RAG 更擅長 | OAG 進(jìn)一步解決 |
|---|---|---|
| 信息在哪里 | 從文檔和知識源中召回相關(guān)內(nèi)容 | 把內(nèi)容錨定到具體業(yè)務(wù)對象與關(guān)系 |
| 這段內(nèi)容是什么意思 | 依賴大模型結(jié)合上下文判斷 | 用統(tǒng)一類型、屬性和規(guī)則限定語義 |
| 結(jié)論能否復(fù)核 | 返回引用片段或來源 | 保留對象、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作 |
| 知識如何更新 | 更新文檔與索引 | 同步更新對象狀態(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。
需要先澄清三個經(jīng)常被混用的概念：
用友對這層的官方表述是：企業(yè)本體通常定義業(yè)務(wù)概念及關(guān)系，知識圖譜可以承載具體實體和關(guān)聯(lián)數(shù)據(jù)，兩者經(jīng)常配合使用；YonOnto 還強調(diào)將對象、規(guī)則、事件和動作結(jié)合起來，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，由三個平臺分別承擔(dān)：
┌─────────────────────────────────────────────┐
│ YonOnto 業(yè)務(wù)語義層：這些數(shù)據(jù)和知識意味著什么 │
├─────────────────────────────────────────────┤
│ YonKnow 知識層：企業(yè)過去沉淀了哪些知識和經(jīng)驗 │
├─────────────────────────────────────────────┤
│ 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YonOnto 支持三類本體建模：
基于用友 BIP 橫跨十大領(lǐng)域（財務(wù)、人力、供應(yīng)鏈、營銷、采購、制造、研發(fā)、項目、資產(chǎn)、協(xié)同）的積累，YonOnto 提供財務(wù)、人力、營銷、采購、供應(yīng)鏈、制造、資產(chǎn)、項目、研發(fā)等企業(yè)級本體模型。
這里的定位需要說清楚：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)擴展。
從產(chǎn)品畫冊披露的架構(gòu)看，YonOnto 由四層構(gòu)成：
關(guān)鍵點：完整性校驗、沖突檢測、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期維護(hù)，而不只是一個漂亮的圖。
有了本體，AI 才知道"當(dāng)前任務(wù)涉及哪些客戶、合同、訂單、項目和組織，這些對象之間是什么關(guān)系，當(dāng)前處于什么狀態(tài)，可以采取哪些動作"。
但知道不等于能做。YonWork 企業(yè) AI 工作臺負(fù)責(zé)把認(rèn)知轉(zhuǎn)成行動。
以"分析本月利潤下降的主要原因，并形成整改任務(wù)"為例，執(zhí)行鏈路是：
自然語言意圖
↓ [身份/權(quán)限/數(shù)據(jù)/本體關(guān)系/歷史記憶] 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)營分析、成本、供應(yīng)鏈、項目智能體協(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)）
↓ 需審批動作 → 轉(zhuǎn)人工確認(rèn)
結(jié)果回寫企業(yè)系統(tǒng)
↓ 全程由 YonAIG 記錄：調(diào)用軌跡、成本、評測、審計這里有兩個工程上的關(guān)鍵點值得注意：
用友 BIP 6 提出"智能雙模"：智能體軟件（自主執(zhí)行、概率計算、非確定性）與流程執(zhí)行型軟件（按規(guī)則執(zhí)行、精確計算、確定性）協(xié)同運行。
這個劃分在工程上是必要的。核算、結(jié)算這類步驟必須按規(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)險和檢查結(jié)果。
YonAIG 則負(fù)責(zé)貫穿智能體構(gòu)建、任務(wù)運行和業(yè)務(wù)執(zhí)行全過程，管理智能資產(chǎn)、身份權(quán)限、調(diào)用軌跡、執(zhí)行成本、評測效果和審計合規(guī)。