Agent 在数据读取与工具调用上虽无差错，业务判断却频频失误。其核心症结在于：无法识别 customer_id、member_id、user_id 是否指向同一实体；混淆 GMV 统计口径，难以界定退款、取消订单及运费的计入规则；架构迭代后仍沿用旧逻辑解读历史数据；面对指标定义冲突或多系统数据不一致时，缺乏权威的“事实来源”（Source of Truth）。
过去一年，Agent 能力飞速进化，工具调用、代码生成日趋成熟，MCP、数据库与知识库相继打通。业界曾普遍期待，只要模型、RAG 与工具链足够完备，Agent 即可胜任复杂业务。然而生产实践表明，此类问题屡见不鲜。
这并非传统的模型幻觉——模型未编造信息，数据与工具调用亦无误，症结在于无法正确理解业务世界。因此，Agent 的短板不在于推理能力，而在于缺失用于稳定推理的“世界模型”（World Model）。Ontology（本体），即对业务世界中对象、关系与规则的结构化定义，正因如此重新回到 AI 讨论的中心。
01｜RAG 给了知识，但没有给世界
面对上述问题，许多人的第一反应是扩充 RAG：增加文档、接入 FAQ、丰富知识库，试图让 Agent 掌握更多信息。但实践证明，此举无法根治顽疾。
RAG 解决的是“找到信息”，能协助检索文档、定位规则、引用经验，却难以厘清信息间的逻辑关系。例如，知识库中同时存在"Customer""Member""Consumer"三个概念，RAG 可检索所有内容，却无法判定它们是否代表同一对象；制度文档可能混述订单状态与审批流程，Agent 却无从知晓哪些状态有效、哪些动作合规、哪些规则优先级更高。
文档描述的是信息，而非世界。
若说 RAG 回答的是“有什么（What）”，Ontology 则真正回答了“它们之间是什么关系（How They Relate）”。它定义的不仅是知识本身，更是由对象、关系、状态和规则构成的完整业务世界。
02｜指标定义统一了，也不等于 Agent 真正理解业务
理论上，构建完善的指标体系，配齐计算公式、数据来源与统计口径并交付 Agent，似乎即可实现稳定分析。实则不然。
即便 GMV 拥有完备计算逻辑，Agent 知晓如何聚合订单金额，仍难以处理边界问题：退款是否扣减？测试订单是否过滤？跨境订单汇率如何统一？逻辑调整前的历史订单责任如何划分？
这些已非计算公式层面的技术问题，而是业务语义问题。指标回答的是怎么度量（How to Measure），Ontology 回答的是度量什么（What to Measure）。唯有完整定义业务对象、对象关系与业务语义，指标才具备可解释的业务意义，Agent 方能输出稳定一致的推理结果。
03｜MCP 解决了调用，却没有解决行动
随着 MCP 发展，Agent 的工具调用能力显著增强，熟知可用工具及接口调用、数据库查询等操作流程。但“能够调用”不等于“应该调用”。
例如，Agent 拥有修改订单状态的权限，不代表其知晓何时可修改；库存调整接口可调通，不意味当前库存允许直接变更。Agent 仍需理解审批流程、权限边界、状态转换规则及异常回滚策略。
工具描述的是能力，Ontology 描述的是边界。
MCP 告知 Agent 有哪些工具可用，而 Ontology 指导 Agent 在何种场景下调用工具，以及调用后对整个业务世界产生的影响。
04｜为什么 Palantir 一直强调 Ontology？
开发者初识本体（Ontology）多源于 Palantir，常将其等同于知识图谱或数据目录，但这偏离了其核心价值。Palantir 旨在构建一套对业务对象进行标准化描述的“世界模型”。在此模型中，Customer、Order、Inventory、Factory 不再是数据库中的孤立表格，而是现实业务中真实存在的实体对象。这些对象不仅具备属性、关联、状态与规则，还承载权限定义，推荐可执行的业务动作。
当 Agent 深度介入业务流程，其操作对象将从 SQL 语句与 API 接口，升级为具备完整业务语义的实体对象。从单纯“查询数据”到真正“完成业务目标”，关键补齐的并非更多工具，而是能稳定刻画业务世界的 Ontology。
05｜怎样判断你的 Agent 是否缺少 Ontology？
随着 Agent 深入真实业务，系统能力的核心瓶颈在于是否具备一套稳定、一致且可演进的业务世界模型。若出现以下现象：同一业务对象跨系统身份不统一、同一指标多套定义、分析推理路径每次不一致、工具持续扩容但结论愈发矛盾、推理链路无法回溯，其本质均是缺失一套统一刻画业务对象、关联关系、规则与行为的 Ontology。
未来 Agent 的核心差距，或许不在于模型参数规模，而在于其依赖的业务世界是否完整、稳定且可信。
与其等待模型自行学会理解业务，不如先行清晰定义业务世界。构建 Ontology 已成为 Agent 落地的关键一步。