【6千字看OAG本体增强生成是什么?对比RAG、3个不同所指及落地选型思路】继续来看本体技术,做深度归纳。最近看到一个词,叫OAG(Ontology-Augmented Generation,本体增强生成),这个很显然是RAG的一个变体,但其从架构上说,其是一种责任架构:用本体的强类型约束事实,用工具调用分离概率与确定性,用权限和审计包住行动,最终让"AI参与业务决策"这件事从责任上变得可接受。先说几个判断;判断一,OAG(Ontology-AugmentedGeneration,本体增强生成)不是一个统一的技术,可以细分为三种实践:Palantir的产品工程派(对象检索+工具调用+动作治理)、Microsoft的OG-RAG(Ontology-Grounded Retrieval-Augmented Generation,本体锚定检索增强生成)、以及本体压缩派(OntologyCompression,本体按需加载)。三者共享同一个洞察,但技术路径、成熟度、适用场景完全不同。不要混为一谈。这三派经常被自媒体混为一谈,但它们连"检索什么东西"都不一样:Palantir检索实时同步的业务对象实例(一张订单此刻的真实状态);OG-RAG检索被本体schema约束后从文档里抽出的事实块(文档说大豆种在西北区,被映射成超边);压缩派检索本体schema本身(给Agent注入"这个领域有哪些概念和关系"的世界观)。判断二,OAG解决的不是"让Agent更聪明",而是"让Agent可被信任、可被审计、可被授权" 。它把LLM从"事实的存储者"降级为"意图的翻译者",把事实锚定进确定性结构。这是责任分配的重构,不是模型能力的升级。判断三,OAG的真正瓶颈不在生成端(LLM),而在建模端(本体供应链)。主要瓶颈是对高质量本体的需求,Palantir也在推OntologyBuilderAgent自动建模。两头都在向"本体构建自动化"收敛,谁解决了schema的自动生成与自进化(虽然很难,并很理想化),谁就握住了OAG范式的输入。针对这三个判断,我们可以展开来讲讲,看看其中的具体的实现机制、必要性以及一些选型的策略。深度思考,总会有更多的收获,更好的指引。http://t.cn/AXpIlrnn。推荐看看,虽然本质都是RAG。本体的RAG该怎么做 。
发布于 北京
