企业官网建设流程全解析

• 后端
• 前端
• 人工智能
• RAG
• 知识图谱
• 知识管理
• 搜索引擎

本体在 Utopia 中不是装饰性的术语表，而是贯穿抽取、推理、消歧、时间语义各层的"契约"。本篇基于项目决策记录 0012-the-ontology-is-a-contract-not-a-suggestion.md，完整还原"为什么本体必须是一份被执行的契约、而不是一条可被模型随意违背的建议"这一核心设计转变：从实测 57% 的签名违规率与 39 个事实方向反转，到落地写入时方向裁决（judge_direction）、祖先类型地板、可追溯的自动纠正，最终把违规率压到 4%、反转清零。读完你将掌握 Utopia 本体域（domain/range）如何从"提示词里的软约束"升级为"写库时的硬校验"，以及每一条决策背后的代价权衡与源码落点。

背景：本体包立功了，但没有一条约束被执行

在 0008-ontology-packs-as-cold-start.md 中，Utopia 将 schema.org、W3C Org、PROV-O、FOAF、IOF Core 五个本体包内嵌进二进制（gzip 后约 316 KB），作为新知识库的冷启动词汇表。效果立竿见影：

• 6 篇维基百科文章、schema.org + W3C Org、零种子（zero seeds）的实验中，共产生 1655 条关系、973 个类；
• 全部 215 条带谓词的事实、全部 41 个不同关系均来自本体包；
• 空谓词占比从十种子时代的 55.5%（其中related_to占大头）降到 25.6%。

但灾难藏在另一侧：schema.org 明确声明employee (organization → person)，而抽取结果里出现了Elon Musk --employee--> Microsoft这种方向完全写反的事实。在 130 条可检查的事实中，有 102 条被反向存储——当初选择 schema.org 的理由（1488 个属性都声明了 domain 和 range）恰恰全部落空。空谓词是诚实的沉默，而反向边是"自信的错误"：它会直接进入 0002-reasoning-engine.md 描述的推理引擎，被当作正确的输入放大传播。

根因：一个根源，两个症状

决策 #128 移除种子后，seed_classes为空，类型检索开始偏向"在文本中字面出现"的叶子类：

• 在一段关于 Sutskever 的文本中，researcher在 976 个类里排第 4，person排第 359，organization排第 795；
• 实体因此被定型为researcher（schema.org 中Audience的子类）；
• 而sig_of只认识被展开进提示词的类，employee的签名退化为(* → *)，方向信息彻底丢失。

也就是说：类型选错（叶子类优先）导致签名失效（* → *），签名失效导致方向无人约束，方向无人约束导致反转事实进库。这条因果链是理解本文全部六项决策的钥匙。

决策一：类型参与仍是引导，参数顺序改为强制执行

第一条决策划出了一条清晰的边界线："哪些类型可以参与"与"参数按什么顺序写"是两件不同的事。

• 初版提示词把两者混为一谈，写成"提示而非规则——当文本另有说法时，按文本写"，结果模型把这条宽容应用到了参数顺序上；
• 但参数顺序不是关于世界的断言，而是键（key）的编码约定：works_at (person → organization)中的左右位置只是这条关系的编码方式，文本永远不会"说另一个方向"，文本只说明"存在一个关系"；
• 对类型，0001-ontology-import-and-governance.md 的结论依然成立：硬性门槛会系统性地丢数据——part_of的教训已经证明，一条错误的声明如果作为硬门槛，会把大量合法事实挡在门外。

一句话总结：类型错误可以等治理流程纠正，方向错误则会污染整张图。

决策二：祖先地板（Ancestor Floor）——让高层类永远在场

修复类型检索偏向的直接手段是祖先地板：每个被检索到的类的全部祖先都加入候选列表。于是person、organization这类高层类总是可用：

• 被误定型为researcher的人实体被纠正为person；
• 类型侧的违规被成片消除，实体类型变得可信；
• 这取代了早已死去的"种子基类常驻"方案（决策 #128），是 0001 中"P3a 死胡同"一节里"seed base classes always present"的正式继承者。

在 [0001] 的对应分析中可以看到，这条修复的价值远超表面：类型可信是后续一切自动纠正的前提——"实体类型不可靠时自动交换方向会被否决"（见死胡同一节），而祖先地板恰好让这个前提成立。

决策三：写入时纠正方向——judge_direction的诞生

这是整篇决策的核心工程动作：当主语违反 domain、宾语满足 domain 时，按签名交换主宾。它复用了produces/produced_by这一对早已存在的移动（#109），但触发条件从"提示词措辞"变成了"签名裁决"。

两个关键实现细节：

1. 类型读取自存储中的实体，而不是抽取器的entity_type_of。后者只覆盖当前 chunk 内声明的实体，而宾语通常早已存在（跨 chunk 引用），读存储才能拿到真实类型——仅此一项差异就把反转从 10 降到 0。
2. 判据刻意收窄：只在"正向违反而反向成立"时对调，两个方向都不成立就留空谓词（见决策五）。

源码落点：ontology::judge_direction

该函数位于 crates/utopia-store/src/ontology.rs，是"三条写谓词的路共用的那一道判断"（#190 / #196）：

pub enum Fit { Unchecked, // 两端都没声明 → 不裁 Keep, // 主语符合 → 保留 Swap, // 主语不符、宾语符合 → 按签名对调主宾 Neither, // 两边都不符合 → 关系不适用于这对实体，谓词留空 }

判定逻辑（简化自源码）：

• 正向：主语在 domain 且宾语在 range 中均无违反 →Keep；
• 反向：把主宾对调后两端均无违反 →Swap；
• 否则 →Neither。

注意一个重要的对称性修复（#222）：早期版本只看 domain，导致Project Aurora head_of Li Ting这种"主语（Project 是 Agent）过了 domain、宾语违反 range 却无人检查"的事实原样进图。现在 domain 与 range两端各看各的，专项测试 a_direction_is_judged_by_range_too.rs 用最小本体复现了这一形态，并验证了四条规则：正向符合 Keep、反向成立 Swap、宾语未定型 Keep（"不知道"不是"不符合"）、两端都符合 Keep。

决策四：永不静默——每次交换都留下direction_corrected痕迹

0001 曾反对"由可能错误的声明驱动的自动动作"。本决策的回答是：自动动作可以是正确的，只要它留下痕迹。

• 每一次交换都会产生一条direction_corrected的提取丢弃记录（extraction_drops表）；
• 29 次交换中有 1 次是错的（spatial，schema.org 对其 domain 的声明本来就模糊）——这是"信任一条可能不适用于当前这对实体的声明"的固有代价，但因为是可见、可审计的，这个代价可控。

源码落点：提取丢弃的可审计通道

0001 中的 P1"无静默丢弃"为这条决策提供了表结构基础：extraction_drops (kb_id, document_id, reason, detail, count, example, updated_at)，direction_corrected正是其中的原因码之一。Library 界面会显示"N facts did not land"，任何一次自动纠正都能被人工追溯。

决策五：不适用的关系保持沉默——空谓词不是数据丢失

当交换也非法时，保留谓词就等于"以本体的名义断言本体不同意的东西"：

• OpenAI --affectedBy--> …：affectedBy在 schema.org 中是医疗测试属性；
• competitor属于SportsEvent，用在公司之间完全错位。

此时谓词被丢弃，但主语、宾语、时间、证据全部保留；模型的原始措辞进入fact_evidence.proposed_predicate，并通过fact_surface_predicate()展示（参见 0010-no-relation-is-no-relation.md 的空谓词行为）。实测中 179 条被推回空谓词的事实全部保留了原措辞——"这个关系不适用"和"数据没抓到"是两种完全不同的状态，前者永远不该造成信息损失。

决策六：两处附带修复

1. 前导轻动词不是区分：has_funding与funding合并。过度合并不必担心——一旦键冲突，匹配自然失效（碰撞使匹配作废），风险自愈。
2. 子句不是实体名：原先 100 字符的守卫只设在"已声明实体"路径上，未声明的主语和宾语直接进入resolve()。问题在于 57 字符的法院名和 65 字符的子句无法靠长度区分，新判据改为单词数 + 有限动词。效果：最长实体名从 111 字符降到 57，未定型实体从 76 降到 60。

死胡同：哪些路被证明走不通

这些反面结论与正面决策同样重要：

• 更多提示词措辞：三轮迭代把违规率从 57% 压到 35%，但全是类型错误；真反转纹丝不动（22.7% → 17.1% → 17.6%，在噪声范围内）。模型看得到签名却不执行——"X is an employee of Y"的英文语序太有诱导性，提示词不可能与自然语言语法对抗。这是"强制 vs 引导"之争的决定性证据。
• 地板落地前的自动交换：因实体类型不可靠（Musk 曾被定型为researcher）被否决；地板落地后前提消失，自动交换才得以放行——决策二与决策三是严格的前后依赖关系。
• 为再具体化（reification）引入更丰富的建模语言：amount(13)、target(8)、participant(5) 失败的原因是 schema.org 通过中间节点（Action / LoanOrCredit / Offer）建模，而 Utopia 写的是扁平二元关系。真正的阻塞不是表达能力——entities+facts已经是属性图——而是提示词规则：规范名必须来自文本、每个主宾都必须是实体，而"2024 年 A 轮融资"在文本里没有名字，模型会被迫编造一个。当查询真的需要限定词本身时（"2024 年 A 轮由 General Catalyst 领投的公司"）再回来解决，无名节点还需要自己的命名与去重方案。
• 把孤儿归咎于守卫（无事实的实体 14.0% → 17.5%）：守卫拦截的是个位数；真正的原因是模型声明了从不使用的实体（法院、SEC、特斯拉总部）——值得单独测量。

决策记录还点出一个结论：包的成本不是提示词长度，而是选择难度——很多名字语义宽泛（affected_by、competitor、uses_device、Researcher），按名字或向量相似度挑选必然踩中，这项工作应由 0008 继续承担。

修订演进：守卫从一条路扩展到所有路

2026-09-02 的关键修订揭示了写入时守卫的根本局限：它挡不住后续编辑。合并会把主语换成一个其它类型的实体，事实"变成"违规（6 个残留中的 4 个即由此产生）。修复分两层（#190 / #196）：

1. ontology::judge_direction由抽取与采纳（adoption）共享——采纳是第二条写谓词的路，曾把违规率推回 12.3%；"两个方向都不适配"的采纳不再挂谓词，计入facts_left_off；
2. 账本层兜底：迁移脚本 0019_a_signature_holds_on_every_path.sql 为axiom_violations表新增signature违规类型（与self_loop、asymmetry、cycle、functional并列）。合并对搬动过的事实立即复查；R0 一致性检查会全量复查——之后 domain 声明被修改也无法隐藏旧违规。

这些违规进入 0012_axiom_violations.sql 定义的裁决队列，出路与其他违规一致：撤事实（判数据错）、放宽公理（判定义错）、或认可并存。正如 docs/design/governance.md 所总结的，这印证了治理设计的核心哲学——任何一条路写反了，人都能在 Review 里看见。

修订还明确了一条纪律：未分类实体不是违规——"unknown"不等于"does not fit"。

未解问题与开放边界

• 两个残留违规（Stability AI Ltd、Colossus 2 data center）既未合并也未重定型，成因未知；
• 包导入仍会展开 domain 为再具体化壳类（Action、Offer、LoanOrCredit）的关系——展示给模型只会产生违规，过滤工作尚未完成。

这两个问题共同指向下一步：本体包的"选择难度"治理与再具体化建模，是契约执法体系之外最后两块未封口的短板。

结论：契约的五条执行纪律

回看整个 0012，Utopia 把"本体是契约"落实为五条可操作的执行纪律，它们彼此咬合、缺一不可：

实测结论值得记住：从 57% 违规率到 4%、39 个真反转归零，靠的不是更长的提示词，而是一套"写入时裁决 + 账本兜底 + 痕迹可审计"的工程机制。对于任何把 LLM 抽取与领域本体结合的系统，这都是一份可以直接借鉴的、经过量化验证的设计范本。

• 后端
• 前端
• 人工智能
• RAG
• 知识图谱
• 知识管理
• 搜索引擎