Ontology与决策函数驱动Agent工作托管

议题提交

确改世界前先认识世界：
Ontology 与决策函数驱动的 Agent 工作托管实践

2026.11.20 · 深圳湾万丽酒店

演讲嘉宾：吕若凡(汀叶) · 淘天集团智能体工程技术专家

时长 60分钟

所属论坛：本体论与知识工程

吕若凡(汀叶)

淘天集团智能体工程技术专家

内容简介：

在商家财务中，同一概念随场景变化，账单订正又牵涉开票状态与下游使用，单凭文档难以支持稳定决策。本演讲基于三个月完成120余项需求与工作项的实践，介绍Ontology与决策函数的选型和落地：用对象关系统一业务语义、追查影响，用证据与条件约束动作，再以任务定义、事实查证、路径决策、执行验证组织流程。通过消费券账单重跑案例，说明如何将隐性知识转为可复用判断，并讨论知识维护与跨系统验证的挑战。

演讲提纲：
1. 业务背景：全链路 AI 驱动，为什么需要 Agent 学会决策
2. 方案选型：先认识业务世界，用 Ontology 组织业务知识
2.1 财务业务的难点：概念随场景变化、对象关联复杂、处理方案依赖当前状态。
2.2以发票为例，介绍对象、属性、关系、状态及事实入口，说明结构化如何帮助 Agent 理解语义、查清影响、减少遗漏。
3. 落地挑战：有了对象模型，为什么仍然无法高质量决策
3.1 借金字塔原理说明结论、证据与前置条件之间的关系。
3.2 将“账单能否重跑”表达为决策函数，明确必需事实、允许路径、拒绝路径及验证案例。
4. 解决思路：从一句业务请求到消费券账单重跑的完整闭环
4.1 Frame：将“重跑一下”整理为目标、范围、验收、风险与停止条件。
4.2 Context：沿对象关系核查上游修复、账单差异、关联发票及下游使用。
4.3 Decision：根据证据选择补证、保留、重跑或其他订正方案。
4.4 Action：校验权限与恢复条件，执行最小动作，验证金额、页面与关联结果。
4.5 通过相互关联的 YAML 示例，展示业务知识如何支撑整条流程。
5. 工程取舍
5.1 说明 Skill 与 Ontology 的职责和协作方式。
5.2 对比场景内规则打包与共享知识引用，讨论重复维护、适用范围和变更一致性。
6. 未来规划与总结：让业务知识持续积累
6.1 扩展决策覆盖，完善事实查询入口与案例回归。
6.2 通过受控写回沉淀成功判断和拒绝路径，持续校验知识变化。
6.3 总结：业务知识被建模，专家判断被函数化，业务知识的积累构成长期优势。

听众收益：
1. 理解企业 Agent 的决策基础：认识业务语义、对象关系、判断条件与当前证据各自的作用，理解为何接入工具后仍需要业务知识支撑。
2. 掌握可落地的设计方法：学会将业务请求拆成任务约定、事实查证、路径选择与执行验证，并将专家经验整理成可检查的决策规则。
3. 获得知识组织与维护经验：理解 Ontology 与 Skill 如何协同，通过共享引用、允许与拒绝案例、回归校验降低重复维护成本。

淘天集团，围绕商家财务业务与研发交付，实践以 Ontology 和结构化决策函数驱动 Agent 处理所有工作，持续探索从流程自动化走向可审计的工作托管。