Ontologies Are So Back: Why AI Agents Are Reviving the Semantic Web

本体论强势回归：为何AI代理正在复兴语义网络

AI工程师正在重新发现本体论，作为将概率代理限制在确定性边界内的方法

Richard MacManus 2026年7月30日

最近AI工程师世界博览会最受关注的视频之一，是加州大学伯克利分校计算机科学教授Frank Coyle的20分钟演讲。他目前教授生成式AI和大语言模型（LLMs）。凭借数十年的行业经验，Coyle向当代AI工程师重新介绍了本体论的概念与实践。

Coyle认为，虽然LLMs在概率推理方面非常有效，但要使代理系统真正发挥作用，需要"逻辑护栏"——即他所说的本体论。

加州大学伯克利分校教授Frank Coyle在2026年AIEWF上的演讲。

在计算机科学中，本体论被定义为"对数据结构的描述——包括知识领域中的类、属性和关系"（如牛津语义技术公司所定义）。Coyle本人将本体论简单定义为"以图形式呈现的数据"。他补充说，本体论的概念可以追溯到亚里士多德，并且在整个人工智能发展史上一直被使用。

以图数据库系统闻名的Neo4j公司，也在其代理产品中使用本体论。

在AIEWF的主旨演讲中，Neo4j首席执行官Emil Eifrem讨论了三种不同类型的本体论，以实现"更智能的共享底层架构"，从而大规模运行代理系统。第一种是面向业务的本体论，描述组织中的关键概念；第二种是技术本体论，Eifrem将其描述为"企业生态系统中所有数据源和数据资产的元数据"；最后是执行轨迹，即"代理运行时产生的信号"。

基于本体论的语义层

旧事物焕发新生：语义网络

Frank Coyle认为网络本体论在构建代理系统方面特别有用。他提到了Schema.org、FOAF、Dublin Core等对网络开发者（或至少是特定年代的开发者）熟悉的本体论。他还提到了"增强技术"如RDFS（资源描述框架模式）和OWL（网络本体语言）。

使用这些已建立的本体论的一个优势是，它们已经包含在LLMs的训练数据中，因此开发者只需通过提示即可调用它们——这比从头开始重新发明本体论要好得多。

Coyle表示："这些内容已经存在于我们所做的一切之下。所以要充分利用这些已存在的事物。"

作为示例，他展示了一个使用本体论验证LLM推理的Claude代理循环。

Coyle将概率代理与本体论的融合称为"神经符号AI"。

"听起来很时髦，"他说，"但这实际上是神经网络与符号AI的结合——基于规则的系统属于这个范畴，我们正在构建的知识图谱也是如此。"

他重申神经符号AI代表了"让LLM保持在护栏内的方法"。

本体论的优缺点

一位在本体论领域深耕多年，现在将其与AI工程结合的人是Kingsley Idehen，他运营着一家名为OpenLink Software的公司。他正在构建一个使用语义网络技术的"代理工程堆栈"——包括一个具有"RDF内存"的代理。

Kingsley Idehen的代理-RDF内存系统。

我请Idehen向我解释本体论的优势。

“LLM 的魅力在于它们是强大的语言处理器，”他回答道。“本体论的魅力在于它通过定义实体类型和关系，为语言赋予可计算的上下文。两者结合，将语言的表现力带入计算的 UI/UX 架构中。”

这个观点很有道理，但如果你做过一段时间的网页开发，就会知道本体论的挑战：维护和保持更新。这就是为什么 1990 年代和 2000 年代基于本体论的“语义网”愿景从未真正实现的原因。

lux

@lux

你必须超过 40 岁才能讨论本体论

2026 年 7 月 26 日 凌晨 12:29

·

357 次浏览

1 条回复

9 个赞

当前 AI 开发者 Prasenjit Sarkar 在 X 上提出了一种潜在的维护解决方案，他主张“当代理在自身运行过程中维护本体论，并在遇到边缘情况时更新定义，维护问题的性质就会发生改变。”但他补充说，这仍然是一个困难的问题。

尽管存在这些问题，本体论的结构化特性似乎与概率性 LLM 偶尔出现的偏差倾向形成了良好的匹配。你获得了 LLM 的能力，但本体论会约束它们。

此外，正如 Neo4j 的 Eifrem 所解释的，本体论使我们能够从“依赖手动连接数据源的厚重代理世界”转向“基于更智能共享本体论语义层的轻量代理世界”。

Neo4j 的“轻量代理”概念依赖于本体论。

循环与防护措施

回到 Coyle 的演示。他还提出了关于循环工程的一个精彩观点，他指出“这在计算机科学中已经存在了很长时间”。当然，问题是循环可能会中断或“偏离轨道”。

再次，这就是本体论系统可以作为概率性 LLM 的防护措施的地方。Coyle 的一张幻灯片将其描述为“围绕无界循环的有限规则集”。

在他的演示接近尾声时，Coyle 展示了如何使用 OWL 作为代理的检查机制。一张幻灯片显示，尽管语言可能模糊，“OWL 公理是机器强制执行的规则”。

他还展示了如何“基于本体论构建推理器，以检查并保持 LLM 在正轨上——设置防护措施以确保其诚实。”

语义氛围

也许本体论开始与 AI 工程师产生共鸣，是因为此时的核心关注点是循环工程的质量控制。我们在 AIEWF 会议上看到了这场辩论，许多会议演讲者目前还不愿意全身心投入完全自动化的“软件工厂”。本次活动的一个关键收获是，需要设置防护措施并让人类参与其中。

此外，传统网络技术在 AI 工程领域的复兴也令人着迷，尤其是在 2025 年“氛围编码”（vibe coding）趋势让任何人都能创建软件之后，这一趋势似乎让软件维护的重要性变得显而易见：我们必须维护这些软件并确保它们不会崩溃！因此在 2026 年，我们看到了软件工程纪律的回归——包括现在复兴网络本体论作为约束概率性 LLM 的方式。