本体论与知识工程-AiDD研发数字峰会2026-深圳站

论坛主席：王昊奋

同济大学百人计划，特聘研究员，博士生导师。研究方向包括知识图谱、自然语言处理、对话问答机器人等。长期在一线人工智能公司担任CTO之职。他是全球最大的中文开放知识图谱联盟OpenKG发起人之一。他负责主持多项国家级和上海市AI相关项目，发表100余篇AI领域高水平论文，被引用次数达到2900余次，H-index达到26。他构建了全球首个可交互养成的虚拟偶像—“琥珀·虚颜”；所构建的智能客服机器人已累计服务用户超过10亿人次。目前，他担任中国计算机学会术语工委副主任，SIGKG主席，上海秘书长，中国中文信息学会理事，语言与知识计算专委会副秘书长，上海市计算机学会自然语言处理专委会副主任，上海交通大学AI校友会秘书长等社会职位。

同济大学长聘教授/OpenKG发起人之一/AiDD技术委员会成员

本体论与知识工程

本论坛聚焦数据如何从资产走向知识、再走向决策，讨论政务、金融、医疗、工业等场景中的知识建模与智能应用。论坛将围绕本体设计、关系抽取、知识图谱、RAG增强、推理分析、可视化决策等主题展开，探索如何让数据真正服务运营、获客、分析和决策。听众将理解知识工程在企业智能化中的核心价值。

确定性与泛化之间：大模型时代的知识工程新边界

赵培龙

杭州智萃引擎 CTO

内容简介：

传统知识工程通过将专家经验转化为明确的概念、规则和约束，使机器能够稳定地处理专业问题。但真实业务场景复杂多变，知识越具体，执行越确定，构建与维护成本也越高；知识越抽象，覆盖范围越广，却越难直接支撑机器决策。大模型的出现改变了这一矛盾的基础：机器开始具备基于通识知识和上下文处理新问题的能力，却也带来了推理边界不清、结果难以稳定控制的问题。
这带来一个新的知识工程问题：当大模型本身已经具备推理能力，我们还需要把专家知识描述到多细？本次分享将结合专业业务实践，探讨如何让明确知识保障确定性，让高层知识约束模型对未知场景的推理，在知识的确定性与模型的泛化能力之间寻找新的平衡，并重新思考大模型时代本体与知识工程的角色。

演讲提纲：

1. 真实业务的矛盾：专业要求确定，但场景无法穷举
专业业务要求决策稳定、可控，但真实场景持续变化、组合复杂，不可能为每一种情况都预先定义具体处理方式。
2. 大模型带来的新解法与新矛盾：确定性 vs. 泛化
大模型能够利用先验知识处理未见场景，使“规则之外仍可推理”成为可能；但模型拥有的推理空间越大，专业可靠性与可控性就越难保证。
3. 从穷举具体知识到约束开放推理
明确场景由具体知识确定处理方式，未覆盖场景则利用更高层的专业知识约束模型推理，让确定性知识与模型泛化能力形成互补。
4. 知识该建多细，模型该推多远
结合专业业务实践，讨论知识具体程度、模型推理空间与可靠性之间的关系，以及大模型时代本体与知识工程的新边界。

听众收益：

1. 从“确定性要求与场景不可穷举”的矛盾出发，重新思考大模型时代知识工程的价值与边界。
2. 分享专业场景中确定性知识与大模型泛化能力协同的实践观察，以及仍待解决的关键问题
期待

曾任华为系统架构师、蚂蚁集团知识图谱技术专家，长期从事系统架构、知识图谱、本体与大模型知识工程相关技术研发与实践。拥有十余项海内外发明专利，开源项目 OpenSPG / KAG Core Committer。近年来重点关注大模型与知识工程的融合，探索如何利用本体、领域知识与大模型推理能力，提升专业场景下智能系统的可靠性与泛化能力。

Agentic原生知识库的构建、治理与应用

刘琮玮

腾讯端服务工程效能与AI算法研究专家

内容简介：

在大模型技术飞速发展的时代背景下，AI已经深度融入到了各个应用领域，并逐步成为不可或缺的关键组成部分，而“知识库”也随之成为了AI时代最重要的基础设施之一，在人机结合中扮演了极其重要的角色，即让 "人" 可以通过 "知识(数)" 更好的应用 "AI(机)" 并获得更好的应用成效。但在知识库建设上当前仍有不少挑战，知识从哪来？知识该怎么处理？知识该怎么用？这些关键问题都在阻碍知识库的建设，也成为了大模型应用的重要阻碍。
在此背景下，我们基于大模型能力构建了丰富完整/高质量/高可用的AI原生知识库，作为大模型时代的重要基础设施，在各个应用场景中发挥关键的支撑作用，并成为AI时代人机结合的重要连接点。同时，知识库正经历从"被动存储"向"主动赋能"的重要转型，我们基于知识库构建了强大的原生能力体系，在让知识库效果不断提升的同时，沉淀出有核心竞争力应用能力，实现从“支撑”到“赋能”的关键转变。在本次分享中，我将详细介绍我们的探索历程，包含实际的研发应用经验，对AI技术的畅想与展望，以及我们在研发过程中沉淀的思考与方法，希望可以帮助大家更好的拥抱AI。

演讲提纲：

1. 背景与挑战：
1.1 知识库与AI技术演进
1.2 用知识库架起人机结合的桥梁
1.3 知识库的Agentic变革
1.4 AI原生知识库
2. AI原生知识库的构建与应用
2.1 知识库建设方案与分层架构
2.2 资产底座构筑知识库基础
2.3 AI能力构筑知识库核心
2.4 知识图谱构筑神经网络
2.5 Skill体系支撑知识库应用
3. 知识质量保障与管理体系
3.1 检查服务构建质量门禁
3.2 AI能力提升知识质量
3.3 知识应用构建质量闭环
4. 知识库赋能研发全域质效提升
4.1 需求域-知识库驱动需求质量提升
4.2 研发域-知识库驱动编码质效提升
4.3 测试域-知识库驱动测试智能化改造
4.4 运维域-知识库驱动运维效率提升
5. 总结与展望
5.1 知识库与Agent的结合与展望
5.2 知识库与人机结合

听众收益：

1. 可借鉴的“知识库”探索与构建历程
2. 知识库在业务产研全链路质效提升上的实践经验
3. 可复制的研发应用方法论
4. 知识库与大模型在落地过程中的思考和经验
5. 对知识库与大模型未来的构想和规划

腾讯端服务工程效能与AI算法研究服务于腾讯QQ业务质效提升。
专注于人工智能(NLP)技术，大数据技术与质效领域的结合，参与过多个质效项目从0到1的研发落地工作，擅长通过引入人工智能技术驱动业务质效改进，具备丰富的人工智能研发落地经验。目前，正致力于通过“大模型”技术驱动业务质效提升，探索质效大模型建设，质效Agent研发与落地，摸索“大模型”技术与质效工作的深度结合，希望通过这些前沿技术推动为业务质量内建与质效提升。

从本体到可控 Agent：OpenBKN 的企业业务知识网络开源实践

李基亮

上海思可为智能 CEO

内容简介：

本体并非单纯的数据建模技术，而是智能体理解业务、调用工具与实施控制的语义层。Palantir“平台＋FDE”的双螺旋证明了其价值，却也高度依赖长期资本、高端研发与深度交付。中国企业软件预算有限，常将 FDE 视为一次性实施，导致平台研发与交付人才投入难以持续，陷入低价定制循环。OpenBKN 尝试探索另一条路径：以开源本体平台沉淀通用能力，以生态化 FDE 服务连接行业实践，让语义资产可复用、交付经验可扩散。我们的愿景是成为全球企业与开发者共同信赖的开源本体生态，让每家企业都用得好、用得起本体平台。

演讲提纲：

1. 企业 Agent 落地的真实难题：数据、规则、权限和流程分散，单靠 RAG 与提示词难以稳定支撑业务行动
2. OpenBKN 的建模方法：以“对象—关系—风险—行动”描述业务语义，将数据、规则和操作边界显式化
3. 运行时实现：按任务动态装载业务上下文，连接数据与工具，并在执行中加入权限、风险控制和证据追溯
4. 开源实践演示：从一个具体业务场景出发，展示本体建模、数据连接、Agent 调用与执行链路；同时介绍现有 HR 场景样本和公开基准验证
5. 项目现状与共建方向：OpenBKN 仍处于早期开源阶段，期待与行业伙伴共建可复用的行业本体、样例和交付方法

听众收益：

1.获得一套将企业业务知识转化为 Agent 可用语义层的具体建模与工程路径。
2.理解本体如何补足 RAG/提示词在业务规则、行动约束、权限治理与可追溯性上的不足。
3.可基于开源代码、SDK 与公开样例，快速判断并启动一个小范围的企业 Agent 验证场景。

现任上海思可为智能科技有限公司 CEO，拥有 20 年数据管理、数据智能领域经验，曾领导 200 人以上精益产品研发团队，带领 AnyShare 进入 Gartner 内容协作平台魔力象限，并主导创立北方大数据交易中心。

AiDD峰会

K+峰会

联系我们