跨境企业接上 ERP、广告平台和订单数据库之后,Agent 仍然可能回答错一个看似简单的问题:德国站上个月到底赚了多少钱?它也许已经找到了收入字段,却把退款扣了两次;也许生成了能执行的 SQL,却在订单与售后工单的一对多连接中重复累计收入。数据能够被读取,并不意味着业务概念已经被正确理解。
EvoOntology 提供了一个值得研究的做法:把概念、字段映射、使用条件和证据组织成可查询、可版本化的本体层,让 Agent 按需取用,再根据执行记录提出修改,用评估决定是否保留。它的企业价值在于减少重复摸索与口径误用。真正要落地,还需要把业务审批、数据权限和评估独立性接到这套机制上。
本文目录
一、Agent 与企业数据之间缺少什么
在数据库里,amount 是字段名;在企业里,“销售额”可能指下单金额、支付金额、结算收入或者扣除退款后的净收入。技术上能选中一个字段,只解决了定位问题。计算还依赖币种、时间、状态、退款归属和汇总粒度。
同样,“客户”在 CRM 中可能是一家企业,在商城中可能是一个账号,在 ERP 中则可能是开票主体。把这些对象直接当成同一个客户,会影响客户数、复购率、商机转化和应收分析。模型可以根据字段名提出猜测,企业却不能靠猜测经营。
常见做法是给 Agent 一段数据库说明,或者让它每次重新读表、抽样、探索关联。前者容易越写越长,后者会把相同的探索成本一遍遍支付。EvoOntology 试图保存这些经过验证的发现,并让后续任务能够复用。
这里的“本体”可以先理解成一套组织业务知识的结构:有哪些概念,概念之间怎样关联,它们对应什么数据,以及在什么条件下可以使用。当前项目采用类型化记录和关系;阅读源码时不宜直接把它等同于一套完整 OWL 推理器、企业知识图谱平台或财务指标治理系统。
二、三层架构:知识内容、表达规则与运行接口
论文把本体状态分为 Content、Schema、Tool 三层。三者分别回答:保存了什么业务知识;允许怎样描述这些知识;Agent 通过什么接口发现和使用它们。这样的拆分,也为后续定位问题提供了依据。
| 层次 | 职责 | 跨境业务中的对应问题 |
|---|---|---|
| Content 内容层 | 存储概念、物理映射、关系、约束与证据 | 净收入对应哪些字段,退款怎样计入,按什么粒度汇总 |
| Schema 模式层 | 规定对象字段、关系类型与可用引用方式 | 是否能表达市场、币种、有效时间和一对多关联条件 |
| Tool 工具层 | 规定运行时怎样暴露和检索本体 | Agent 能否准确找到“净收入”,是否一次返回过多无关记录 |
内容层包含四类节点:Term、Mapping、Constraint、Evidence;再加上 Relation 关系记录,代码里对应五类 JSON 文件。四类节点与五类持久化记录是不同的统计方式。不要因数字不同就把关系漏掉,也不要把文件数理解成架构层数。
| 记录 | 应保存什么 | 示范内容 |
|---|---|---|
| Term 概念 | 名称、定义、别名、适用范围 | “净商品收入”,并区分“下单金额” |
| Mapping 映射 | 来源、表列、筛选、聚合、粒度 | 订单原金额减已确认退款,先按订单汇总 |
| Relation 关系 | 概念之间的关联及连接条件 | 退款关联订单;订单通过商品编码关联商品 |
| Constraint 约束 | 适用条件、警告、禁止混用的情况 | 未处理汇率时不能跨币种相加 |
| Evidence 证据 | 来源、查询、观察结果与核验方法 | 抽样订单与财务对账结果、查询时间 |
论文还区分语义关系与结构引用:前者连接概念,后者把概念与映射、约束、证据关联起来。当前序列化记录中的 ID 和引用承担了部分结构连接,不能把五个 JSON 文件理解成五类互不相关的文档。源码中 Mapping 已包含 semantic_filter、aggregation_semantics、grain 等字段。这些字段提醒我们:给概念起一个好名字还不够,必须说明数据实际怎样计算。〔对象模型〕
三、MCP 的作用:让 Agent 在需要时查询口径
EvoOntology 的查询侧主要提供两个工具:browse_semantics 用来发现相关概念,resolve_semantics 用来获得概念对应的映射、关系、约束和证据。论文设计在会话初始化提供简短 manifest,详细记录按需获取;具体集成要由客户端读取或注入这份说明,不能把 MCP 服务暴露了资源理解成协议会自动把内容放入模型上下文。
例如,Agent 先查询“净收入”,发现同时存在“订单净收入”和“结算净收入”;结合问题上下文继续解析,再通过原有 SQL 工具查询实际数据。本体提供解释与定位,SQL 工具执行计算。MCP 是交互协议,本身不会替企业决定财务口径,也不会自动授予数据库权限。
当前核心运行时代码对 browse 最多返回六项,对 resolve 最多处理五个概念,并会返回 unresolved 或 ambiguous 等状态。找不到或存在歧义时,系统应该继续查证或询问,而不是把一个近似词条硬当成正确口径。〔语义运行时〕
这里的状态有两个层次。外层 status: ok 表示本次请求处理完成;单个结果仍可能是 unresolved 或 ambiguous。coverage_status: supported 的当前判定,只要求结果含映射、关系或约束之一,不会执行 SQL 或证明结论正确。超过五个 mention 的部分会出现在 skipped,不能把一次解析当成整套经营问题已经覆盖。空查询的 browse 会返回 needs_query,也不是全目录导出接口。
约束是否送到 Agent,需要单独检查。所核验核心的 _build_resolve_result() 只收集 c.target == term_id 的直接约束及其证据;虽然对象与验证层允许约束指向 Mapping,挂在 Mapping 上的约束没有在这条路径中沿映射自动展开。本文的小样本检查复现了这一边界。因此,关键规则应验证其实际返回内容,必要时接入层显式补取、调整挂载或修改实现,再做回归。仅把规则写进 JSON,不能证明查询 Agent 已经看到了规则。此结论限定于该提交的通用核心,不推定所有基准专用实现也完全相同。〔解析结果组装〕
还要注意检索实现。所核验的核心代码使用词项、别名、短语匹配与上下文消歧,不能仅凭“语义检索”四个字就假设已经接入向量数据库或高质量跨语言嵌入。中文术语、英文业务词、SKU 缩写和当地语言别名,需要用自己的问题集验证。
四、初始本体:从真实任务出发,再用探查落地
一套覆盖全部业务的理想本体很容易变成漫长的文档工程。项目的 Builder 路径更实际:先看数据 Agent 要完成哪些任务,再探索任务需要的实体、指标、字段、关联与条件。企业实施时可以先收集经营会上反复出现的十几个问题,而不必先把整个 ERP 描述一遍。
以“按市场比较商品扣广告后贡献”为例,第一步是明确市场指销售站点还是收货国;第二步定位收入、退款和费用来源;第三步探查数据类型、样本、重复记录与连接关系;第四步把能够支持的结论写成概念和映射,并保存查询及核验依据。
Builder 没有看到标准答案,不等于它不需要业务事实。字段分布能说明数据长什么样,却不能独自决定企业应采用哪个会计或管理口径。如果一个 net_amount 字段的退款处理无法从数据和文档中确认,应保留未知并交给负责人,不能因为命名像“净额”就发布为权威定义。
我建议每个初始条目都回答四个问题:它解决哪个实际任务;映射到哪里;依据是什么;谁能确认或否定。经过业务核查的发现可以沉淀为公共资产,尚未验证的解释仍然只是候选。
五、自进化:把失败归因到可修改的对象
使用过程中,Agent 会留下工具调用和任务结果。项目据此诊断重复探索、错误映射、遗漏条件等问题,再判断主要原因位于 Content、Tool 还是 Schema。所谓“进化”,在这里有明确对象:本体内容、表达方式或运行接口的某一部分发生了可追踪修改。
如果查询总把支付金额当净收入,可能是内容定义或映射不完整;如果知识存在却总找不到,可能是别名、检索或工具返回方式有问题;如果根本无法表达有效期间与多版本政策,才可能需要调整对象结构。这三类问题不应都以“再补一段提示词”处理。
- 诊断:从执行记录找出重复发生的错误,同时看成功样本与反例。
- 归因:提出可否定的解释,说明为什么它会导致错误。
- 修改:保留 Parent 父版本,形成有范围、可回退的 Candidate 候选版本。
- 比较:在固定评估边界下运行父版本和候选版本,核查任务结果与退步。
- 发布或保留:通过才发布下一版本;未通过继续探索或按规则保留父版本。
论文要求一个候选只修改 Content、Tool、Schema 中的一个层;同一假设所需的多个 Content 对象可以一起改。插件指南强调一次候选围绕一个主要机制。若同时换术语、工具、流程和骨干模型,最终即使分数上升,也很难判断哪项有效。这里的“进化”是语义资产与接口的适配,不是声称在微调模型权重。相关约束在项目的 evolve skill 中有明确描述。〔进化流程说明〕
企业还应区分“诊断使用过的样本”“选择候选的验证集”和“最后独立验收的样本”。反复看同一批错误、修改到全部答对,只能证明适配了这批题。持续复用验证集也可能产生选择过拟合,应安排独立验收与上线后的时间外观察。
六、评估门槛:代码做了什么,还需要谁负责
评估门槛是这套设计最值得企业借鉴的部分。源码中的 EvaluationGate 把两种情况分开处理,而不是统一交给一个模型打“看起来更好”的分。
| 条件 | 所核验代码的接受规则 | 企业仍需补齐 |
|---|---|---|
| 有标准答案或正式评分器 | 候选平均分严格高于父版本 | 评分器可信、样本匹配、业务硬错误检查、改善幅度是否有意义 |
| 没有标准答案 | 匿名 A/B 裁判比较;候选胜出任务数多于父版本,且候选重大错误计数为零 | 独立裁判与证据、人工抽查、偏差和遗漏的检查 |
有标准答案不一定意味着评分全靠确定性程序,基准也可能用模型判断回答与参考答案是否一致;关键是对照对象不同。无标准答案时,A/B 裁判是在比较两份回答,不能据此保证两份回答中的事实已经得到外部证实。
论文方法与当前通用代码的门槛应分别看。论文用改善达到阈值的公式描述接受条件;这个提交中的 GT 聚合实现是严格大于,没有自动加入最小业务收益或统计显著性门槛。企业若要求至少改善多少、哪些关键用例不得退步,应在验收协议和适配器中明确落实。〔评估聚合代码〕
发布路径也有额外检查。EvolutionSession.accept() 重新验证候选,并从当前轮次、当前候选的评估摘要读取 gate_input。两条路径都要求 unacceptable_regressions 被显式设为 false;GT 路径再检查两组分数等长、一组唯一 case ID 与分数数量一致、数值有限,并重算平均分门槛。需要注意:这是一组 case ID 加两组分数,不是代码自行把两份独立执行记录逐题匹配,也不是自动查出了所有不可接受的退步。〔版本接受与发布〕
一个具体反例是:父版本三题得分为 [1, 0, 0],候选为 [0, 1, 1],通用 GT 聚合会接受均分上升,但第一题已经从对变错。本次直接调用该聚合函数确认了这一点。企业必须把关键口径、权限、拒算与数据泄漏列成独立硬门槛;不能把“均分提高”或调用方声明 false 理解为它们都已通过。
但记录存在,不自动证明上游评估过程真实、独立或预算公平。谁生成分数、使用了哪批数据、是否偷偷换了模型或数据快照,仍要靠适配器、运行记录与组织流程保证。生产验收不能把一个 accept: true 当成审计的全部证据。
没有标准答案的路径尤其需要谨慎:文档说明首版没有加入顺序交换复评、多次采样等完整偏差控制。匿名可以减轻某些偏差,独立模型也可能共享同类盲点。价格、退款、回款等关键事项,仍应配置可对账样本与人工确认。〔评估协议〕
七、实验成绩:有收益,也有明显的场景差异
官方 README 展示了下列四模型分析子集的结果。它们是研究报告中的基准分值,不是近道复现实测,也不是业务利润、员工替代率或真实企业项目的预期收益。
| 基准与指标 | 无本体 ReAct | 初始本体 | 进化后 | 相对无本体的分值变化 |
|---|---|---|---|---|
| DDR-Bench 10-K:Trajectory-Wise | 69.5 | 81.8 | 89.5 | +20.0 |
| InsightBench:Insight | 53.2 | 54.0 | 54.2 | +1.0 |
| BIRD:Execution Accuracy | 63.6 | 68.7 | 72.4 | +8.8 |
来源:官方 README 的 Performance 表及脚注。四模型为 GPT-5.5、GPT-5.6-sol、Claude-Sonnet-5、Claude-Opus-4.8。指标各有定义,不能把三行当成一种通用准确率;百分比指标的 +20.0 表示百分点变化,不是相对提升 20%。
以 DDR 这组展示值为例,从无本体到初始本体是 +12.3 个百分点,从初始本体到进化后是 +7.7 个百分点;+20.0 是合计变化,不能写成“迭代进化单独提升 20 个百分点”。初始本体阶段也不等同于上文的静态 SL 对照。
论文 v1 的摘要称四个模型,实验设置和主结果表另列六个;README 已将上述表格明确标为四模型分析子集。阅读时应回到具体表格及脚注,不能把展示表改称六模型全量平均。BIRD 还使用 Oracle Knowledge 设置,不能直接等同于企业完全没有语义资料的冷启动。
在实验设计上,论文采用两折互换:一个折内再分构建与验证,选择好本体后冻结,再到另一个折测试,然后反向进行。这里必须保留“最终测试前已冻结”的边界,不能一边看测试答案一边修改本体。〔论文第 4.2 节实验设置〕
还应保留对照实验的具体含义。论文的 Baseline + SL 是在相同 ReAct 骨架下,把 Builder 生成的语义层作为静态片段加入上下文;它不是对所有商业指标平台或 RAG 产品的统一评测。以 DDR 的 GPT-5.5 为例,Trajectory-Wise 为无本体 64.2、静态 SL 63.9、EvoOntology 90.9。这个结果支持作者在该配置下采用按需交互与适配的设计,不能推出“所有静态语义层都会降低效果”。〔论文表 1〕
四模型 DDR 消融中,完整流程为 89.5,去掉 Gate 为 78.3;仅内容层进化为 78.2,仅工具层为 82.7。它说明实验收益不能全部归因于“多写了些业务知识”,接口暴露和候选筛选同样重要。消融分差也不等于各模块可相加的独立收益,更不是企业项目的效果承诺。〔表 5〕、〔表 6〕
分值差异给企业的启发很具体:需要反复定位字段、关联和条件的任务,可能有更多可减少的探索;已有清楚单表与简短问题的场景,额外收益可能小。具体效果必须用企业自己的任务判断,不能按最高提升预估整个项目。
成本也要算完整。论文附录的同一四模型 DDR 分析中,平均总 Token 从每任务 52.6K 降至 42.0K,约下降 20%,但这是任务执行口径,不能直接改写成项目总成本下降 20%。构建、候选评估、裁判调用、人工校核和长期维护都应另外纳入预算。〔论文成本分析〕
八、开源项目:插件、确定性核心与适配器怎样分工
所核验提交采用 MIT 许可,核心包声明 Python 3.10 及以上。仓库同时提供 Claude Code 与 Codex 插件、三类基准适配器,以及独立的存储、运行、评估和状态机模块。插件安装与配置应以对应版本的官方指南为准。〔使用指南〕
| 模块 | 实际职责 | 阅读重点 |
|---|---|---|
ontology/models.py、store.py | 对象解析、版本加载、保存、发布与切换 | 五类记录、引用和 active 版本 |
runtime/ | MCP、manifest、browse、resolve 及维护操作 | 查询限额、歧义与未覆盖状态、工具暴露范围 |
trajectory/、trigger/ | 记录任务工具交互,判断是否提醒进化 | 记录来源、时间范围、检查点与敏感内容 |
evaluation/、evolution/ | 分数聚合、候选轮次、接受与未完成状态 | 父候选配对、退步、预算与真实发布条件 |
| 插件中的三个 skill | 构建、进化、只读探索的智能流程 | 业务分析依赖 Agent 执行流程,不是 Python 自动懂业务 |
benchmarks/ | 实际任务执行与评分适配 | 业务数据接入与评价仍要独立实现 |
工作区默认位于项目的 .evoontology/,其中 project.json 保存项目设置,versions/ 保存版本,active.json 指向当前版本,另有执行记录、进化轮次和评估摘要。能够指定候选版本进行比较,而不先修改活动版本,是避免试验污染日常使用的重要设计。
从开源项目开始,应按什么顺序验证
构建与进化主要通过插件 skill 和 MCP 工作流完成,不能理解为运行一条确定性命令就能自动完成业务建模。使用指南写“没有 CLI”,但包元数据实际声明了 evoontology-validate 校验入口,源码也有 MCP 服务模块;更准确的区分是:校验与服务启动可以有命令入口,智能构建/进化仍由 Agent 执行。〔命令入口声明〕安装所选客户端的插件并开启新会话后,先调用 build-ontology 建立初始版本,再让数据 Agent 执行一批可核对任务;出现足够记录后,调用 evolve-ontology 提出并比较候选;用 explore-ontology 只读检查证据和版本差异。具体调用前缀随客户端不同,以固定版本的使用指南为准。不要把“插件能加载”当成“业务数据已接通”,还要验证实际查询工具、数据源和评分器。〔接入顺序与入口〕
工作模式也应明确:fixed_split 面向已有固定题集和评价边界的基准;rolling_trajectory 从种子任务开始,累积新执行记录,再冻结一批记录并分出诊断与验收用途。生产试点不必机械复制论文的两折流程,但必须保留修改用数据与验收用数据的边界。
当前版本有四个边界,采购或实施前应看清。
- 结构校验不等于业务校验。
validate_semantics主要检查 JSON、记录引用和可加载性,不会自动连接企业数据库证明 SQL 能执行、字段语义正确或财务口径已经批准。〔校验源码〕 - 自动提醒不等于无人值守进化。指南说明首版提供触发检测与提醒,执行由人发起,没有常驻后台工作器、消息队列和自动循环产品。不能把“持续进化”的研究目标理解成已经交付完整 SaaS 运维能力。
- 语义工具与维护操作要分权限。MCP 服务还暴露构建、验证与进化维护能力。业务查询 Agent 不应因此获得修改全部语义资产的权限。身份隔离、工具白名单和审计需在企业集成时落实。〔服务端工具分发〕
- 内容版本不等于整个执行系统快照。通用存储的版本文件主要是五类记录;如果候选涉及检索实现、工具或对象代码,企业还要把相应代码、提示词和配置一起版本化,证明父候选比较确实使用了各自实现。本文未将一次内容版本切换视为已验证论文全部三层变更的隔离与回退。〔版本存储〕
九、与 RAG、指标层和记忆有什么关系
下面是按常见职责做的对照,实际系统可以组合使用。RAG 可以检索结构化资料,指标层也可以暴露为工具,记忆也可以保存已验证规则;不能为了突出一个项目,把其他技术人为缩成最弱实现。
| 能力 | 常见重点 | 与 EvoOntology 的组合方式 |
|---|---|---|
| 文档 RAG | 从资料中找到与问题相关的文本证据 | 政策和说明书可为概念及条件提供证据,本体再组织到业务对象 |
| 指标/语义层 | 统一维度、粒度、计算与业务口径 | 已有批准指标应作为权威来源,不必重新让模型猜定义 |
| Agent 记忆 | 保存过去的任务与有效经验 | 执行记录可帮助归因,可复用语义需进一步验证与结构化 |
| EvoOntology | 任务相关的概念定位、映射、证据与可评估更新 | 把原始数据探索结果变成版本化资产,接入既有数据工具 |
企业已有稳定数仓与指标平台时,合理起点是把已有口径接进 Agent,而不是建立一套竞争定义。只有发现重复探索、知识更新困难或接口不适配时,再考虑这类进化机制。数据责任没有落实的企业,则应先做字段、主数据和指标整理。
十、把跨境经营案例走完:德国站 SKU-A 扣广告后贡献
以下为近道自编教学案例,全部数据均为虚构,既不是论文基准,也不是项目开箱即用的业务能力。问题是:“德国站 SKU-A 的 9 月订单,到月末扣广告后还贡献多少,是否值得继续加预算?”这句话混合了计算与经营判断,需要先把可计算的范围明确。
1. 先确认口径,否则“赚了多少”没有唯一答案
| 维度 | 本案例约定 | 真实业务需要追问 |
|---|---|---|
| 对象与粒度 | 销售站点 DE、SKU-A;一笔教学订单只有一个 SKU,订单 ID 唯一 | 站点还是收货国?多店铺订单号是否重名?多 SKU 订单怎样分摊费用? |
| 期间 | 下单时间在 2026-09-01(含)至 2026-10-01(不含),仅 paid 状态 | 下单、支付、发货还是结算时间?源系统时区和状态怎样统一? |
| 观察截止 | 只使用 2026-10-01 之前已确认的退款与已入账的订单变动成本 | 晚到退款或费用出现后,历史口径是否重算、怎样标记版本? |
| 币种 | 统一用 USD,日期已归一为 UTC;金额用整数美分 | 德国站通常可能存在其他结算币种;汇率来源、换算时点、汇兑费用是否明确? |
| 退款归属 | 跟随这批 9 月订单,即订单 cohort(批次)口径 | 是否实际想看 9 月发生的全部退款?两个口径可能不同。 |
| 贡献定义 | 原商品收入 − 已确认退款 − 约定变动成本 − 同站点/SKU/期间广告费 | 税、折扣、平台佣金、退货物流、退款手续费是否已包含、是否重复扣除? |
这里把 USD 与 UTC 统一,是为隔离教学变量,不是对德国站币种、营业日或会计政策的推荐。真实系统应先落实业务批准的换汇与时间规则。教学金额全部为整美元,下面展示美元数便于阅读;下载样例与复算使用整数美分,避免引入浮点舍入误差。
尤其要把最后一行写清楚:“扣广告后贡献”尚未扣除所有固定费用,也没有自动处理法定报表口径,不能把它叫成企业净利润。该例的变动成本 99 已按约定净额准备好,退款不会再在其他项目重复扣除;真实退货的成本回收、手续费返还或追加物流费,需要按成本规则单独体现。
2. 让每一个数字都能追到原始记录
| 订单 | 下单日期/状态 | 原商品收入(USD) | 截至截止日的已确认退款 | 约定变动成本 |
|---|---|---|---|---|
| O1 | 09-05/paid | 100 | R1:10;R2:5 | 60 |
| O2 | 09-20/paid | 80 | R3:5 | 39 |
同一 DE/SKU-A/9 月广告范围下有四条日记录,费用分别为 5、10、5、10,合计 30。这里假设投放明细已能按该站点和 SKU 归集;品牌广告、组合广告或多 SKU 活动若没有可信分摊,不能直接沿用这个前提。广告平台归因销售额也不替代订单系统的收入。
样本还特意加入容易误算的记录:9 月取消订单、美国站订单、其他 SKU、10 月 1 日订单、O1 的待确认退款 90,以及 O1 在 10 月 5 日才确认的退款 7。它们都不能进入当前这批订单截至月末的退款计算。另有一笔 8 月订单在 9 月确认退款 3,稍后用于区分批次口径和期间口径。
| 计算 | 结果(USD) |
|---|---|
| 原商品收入 | 100 + 80 = 180 |
| 已确认退款 | 10 + 5 + 5 = 20 |
| 净商品收入 | 180 − 20 = 160 |
| 扣广告前贡献 | 160 − 99 = 61 |
| 扣广告后贡献 | 61 − 30 = 31 |
3. 找到错误发生在哪个连接,再分别汇总
一种常见错误,是把订单直接连接退款明细再汇总。筛选条件即使都正确,O1 仍会因两笔退款出现两行:(100 − 10) + (100 − 5) + (80 − 5) = 260。实际只有 180 的原收入,却因订单粒度被破坏累计成 280。把退款总额 20 再扣回去,也救不了重复的原收入。
因此要先将已确认退款聚合到订单,连接后再计算收入。不能用 SUM(DISTINCT gross_amount) 补洞:两笔正常订单若同为 100,会把一笔真实收入删掉;去重依据应是业务主键与记录状态,而不是金额碰巧相同。下面给出收入部分,前两个 CTE 已把业务范围固定:
WITH selected_orders AS (
SELECT * FROM eo_demo_orders
WHERE market = 'DE' AND sku = 'SKU-A' AND status = 'paid'
AND ordered_at >= '2026-09-01'
AND ordered_at < '2026-10-01'
), refund_by_order AS (
SELECT r.order_id, SUM(r.refund_cents) AS refunded
FROM eo_demo_refunds r
JOIN selected_orders o ON o.order_id = r.order_id
WHERE r.status = 'confirmed'
AND r.confirmed_at < '2026-10-01'
GROUP BY r.order_id
)
SELECT SUM(o.gross_cents - COALESCE(r.refunded, 0)) AS net_cents
FROM selected_orders o
LEFT JOIN refund_by_order r ON r.order_id = o.order_id;
结果为 16,000 美分,即 160 USD。LEFT JOIN 保留无退款订单;COALESCE 只把已知“没有退款记录”补成零,不能把没有拉取到退款数据也当成零。本例假设数据抽取完整、退款 ID 唯一、每条记录为已整理的当前业务状态;实际重复同步或状态事件流要先去重、归并和核对完整性。
接下来,变动成本沿同一批订单汇总为 99;广告费按 DE/SKU-A/9 月独立汇总为 30。把收入、成本和广告各自汇成一行后再组合,得到 31。不要让四条广告日记录再与订单/退款逐行连接,否则收入和广告费都可能继续被放大。多商品订单则应先明确订单行粒度与分摊规则,不能把本例的一单一 SKU 假设带入生产。
下载完整 SQLite 教学样例:建表、虚构数据与最终贡献查询。请在新的内存数据库运行;文件只创建带 eo_demo_ 前缀的临时表。样例 SQL 的前置条件是币种一致、成本和广告数据覆盖已确认;它没有替接入层自动证明这些前提。本文另用自编检查验证这些拒算边界,不将其记为 EvoOntology 的内置能力。检查中的费用记录存在性不能证明整月所有日期、账号或订单都已完整同步;这些完整性仍须由来源对账与覆盖台账确认。
4. 跨期退款和混合币种,会怎样改变答案
批次口径与发生期间口径:当前 9 月订单批次净收入为 160。若改问“9 月商品销售事件净额”,把 8 月订单在 9 月确认的退款 3 也计入,而订单收入仍取 9 月,则为 180 − 20 − 3 = 157。这是另一个明确的教学管理指标,不能与订单批次结果混用,也不能直接称为结算到账。
观察截止变更:若在 11 月 1 日重新观察同一批 9 月订单,O1 的 10 月退款 7 已经确认。在其他数据保持不变的样本里,批次净收入变为 153,扣广告后贡献变为 24。它不是本体“进化”创造了一个新事实,而是数据观察截止改变了;回答必须同时记录统计期间、as_of、数据快照和定义版本。不能把第一次的 31 与第二次的 24 都标成无条件的“9 月利润”。
混币与缺数:如果 O2 是 80 EUR,未提供批准的换汇规则,就不能与 O1 的 USD 直接相加,也不能偷偷丢掉 O2 后给出看似完整的 USD 汇总。若 O2 缺成本或广告数据未拉取,也不能补零后宣称贡献为正。接入层应返回“币种待换算”“成本缺失”或“广告数据覆盖未确认”;只有明确记录为零的广告费用,才可按零计算。语义层中的 block 标签本身不会替数据库执行这些判断。
5. 把修复落实到本体对象,而不是记住答案 160
| 对象与实际字段 | 应固化的业务知识 | 如何查证 |
|---|---|---|
Term:definition、scope、aliases | 净商品收入;区分订单批次、退款发生期间与结算到账;保存中英文业务别名 | 业务负责人能解释三个指标为何不同 |
Mapping:semantic_filter、aggregation_semantics、grain | paid 状态、市场/SKU/期间参数、退款截止;退款先按订单聚合;粒度为订单 | 原生查询复算 160,并在无退款订单上不漏计 |
Relation:connection_condition | 订单与退款是一对多,连接条件是已确认的业务键;真实多账号要防主键重名 | 基数、主键唯一性及重复同步检查 |
Constraint:target、severity、description | 币种、截止日、粒度和费用覆盖必须明确;关键规则挂载位置须能被查询 Agent 取到 | 检查实际 resolve 响应;由真实执行入口落实拒算 |
Evidence:query、result、timestamp | 样本来源、查询、边界结果与核验时点;指向受控快照和审批记录 | 他人能在相同快照复算,并知道这份证据何时失效 |
这张表是本例的设计映射,不是完整导入包。负责人、批准状态、变更工单等企业治理信息还应在受控台账中管理,不能假设五类核心对象已经提供完整审批系统。参数化口径可以复用于其他市场或期间,答案 160 不应成为永久业务规则。
如果执行记录反复显示“直接连接退款明细导致 260”,可提出内容层假设:退款聚合规则没有被清楚表达或传到执行 Agent。候选补齐 Mapping、关键 Constraint 及 Evidence,再检查工具实际返回。若规则已经返回却仍被执行错误,就应检查 Agent 的查询生成和校验流程,不能继续把所有失败都归因为本体缺知识。
6. 验收正确计算,也验收有依据的拒算
下面是本例已复算的用例及预期,属于教学查询与自编接入检查,不是模型自动答题的成绩。实际项目应另留未参与修改的任务,由评估者冻结快照后比较 Parent 与 Candidate。
| 用例 | 预期结果 | 防止的问题 |
|---|---|---|
| 基础订单+多次退款+多条广告 | 净收入 160;贡献 31 | 连接放大、费用重复 |
| 新增无退款订单 50,变动成本 20 | 净收入 210;贡献 61 | 内连接漏掉无退款订单 |
| 把观察截止移到 11 月 1 日 | 同批订单净收入 153;贡献 24 | 漏算晚到退款、隐去快照变化 |
| 混入未换算 EUR 订单、退款或广告费 | 拒绝直接汇总,说明缺少换汇规则 | 混币、静默删除数据 |
| 某订单成本缺失,或广告覆盖缺失 | 拒绝给出完整贡献值 | 把缺失数据补成零 |
| 广告费明确记录为零 | 净收入 160;贡献 61 | 把真实零值误判成缺数 |
检查还覆盖 9 月事件净额 157、错误连接结果 260,以及退款 ID 重复时被教学表主键拒绝。真实平台的复合主键、状态归并和数据完整性仍需另行实现。验收不能只看算对金额的比例,还应检查错误时是否给出理由、是否引用了正确版本;同时保留能正常回答的正向样本,避免用“全部拒答”换取表面的低错误率。
最终,一个有边界的回答应像这样:“截至 2026-10-01,DE/SKU-A 的 9 月 paid 订单批次,原商品收入 180 USD、已确认退款 20、净商品收入 160;按本次约定的变动成本 99 和广告费用 30,扣广告后贡献为 31 USD。未覆盖全部固定费用,晚到退款可能改变结果。”
这仍不足以直接决定加预算。广告平台归因、增量订单、边际获客成本、退款滞后、库存和履约容量都可能改变下一笔预算的效果。当前贡献为正,只说明这批订单在选定口径和截止下为正;把历史平均贡献自动外推成下一笔投放收益,是另一种经营误判。
对于外贸,同样的做法可以拆清“有效商机→报价→订单→回款”的对象和时点;例如预收款、发票金额与已到账货款不能因为都叫 amount 就互相代用。EvoOntology 值得借鉴的,是让这些区别有结构、有证据、能够被 Agent 按需取得,再由实际查询与验收确认。
十一、组织上必须守住的四条边界
第一,业务定义不能随着模型偏好漂移。论文强调本体会适配骨干模型的交互行为。企业可以调整别名、检索顺序和返回结构,但经批准的净收入、客户归属与退款规则不能因为换了模型就改变含义。稳定业务契约与模型适配应分别管理。
第二,Constraint 不是数据库访问控制。一条写着“只允许查询德国站”的记录,不能代替服务端账号、行列权限和受控视图。标记为 block 的语义约束,也不能默认已经在每个数据执行入口强制生效。查询账户按最小权限配置,敏感字段通过真实系统限制。
第三,Evidence 不是把敏感数据复制到处。查询结果和执行记录可能包含客户、价格及商业信息。应保留核验所需的最少资料、来源与受控引用,明确脱敏、访问、存留和外部模型处理范围。项目记录工具调用而不记录内部推理,也不意味着工具返回里就没有敏感数据。
第四,发布知识也需要责任人。销售或运营可以指出错误,模型可以提出修订,指标负责人确认业务含义,技术负责人验证接口与回退,独立验收决定是否发布。重要口径变更要说明历史报表、在途任务和其他 Agent 会受到什么影响。
这与近道在ERP 与数据底座和AI 交付方法中强调的建设顺序一致:先定义要改善的经营任务,再连接可信资料与系统,最后建立持续运行和移交机制。
十二、用四周验证一项有限能力
下面是近道提出的试点建议,不是论文中的实验周期,也不是交付承诺。选择一个已经能够对账的经营分析任务,数据先脱敏或放在受控只读环境。首项能力只回答与解释,不自动改价、调广告预算或发起退款。
| 阶段 | 工作 | 进入下一步的证据 |
|---|---|---|
| 第 1 周:界定任务 | 收集代表性问题、确认定义、固定数据快照与基线 | 问题、指标、权限、负责人清楚,关键答案可核对 |
| 第 2 周:初始层 | 从高频概念开始,建立映射、关联、约束与证据 | 能通过原生查询验证映射,未知没有被填成确定事实 |
| 第 3 周:有限候选 | 记录失败,只选一个主要机制修改,配对比较 | 同模型、同数据、同预算、相同任务;关键用例不退步 |
| 第 4 周:独立验收 | 留出样本复核,核算完整成本,演练恢复与移交 | 结论可复算,证据可追溯,版本可恢复,有持续维护安排 |
业务指标看关键口径正确率、回答能否支持下一步判断;运行指标看完成率、时延和完整任务成本;治理指标看越权、泄露、重大错误与回退。不要只统计工具调用量、词条数量或生成速度。
成本模型应包括资料整理、初始构建、父候选重跑、裁判调用、人工审查、失败处理与维护。若一个任务每周只发生两次,简单指标视图和固定查询可能更划算;若几十名员工每天重复探索相同复杂数据,知识复用才有更大的摊薄空间。
最终交付应包含:业务概念与数据契约、来源与证据台账、接入工具和权限范围、版本与变更记录、配对与独立验收结果、仍未覆盖的问题,以及维护责任和预算。能够稳定维护这一项能力,再决定扩展到更多市场、商品或部门。
十三、哪些企业值得开始
当同一概念分散在 ERP、广告报表、订单和文件里,团队已经反复付出定位与核对成本,并且有人能够确认口径时,EvoOntology 的思路值得做有限试点。它有机会把一次次探索变成可以管理的知识资产,让后续 Agent 使用更有依据。
如果主数据混乱、负责人说不清指标、接口权限未落实,应先补基础;如果现有指标层已经稳定覆盖问题,应先复用;如果只想购买一个装上就能自动理解全部业务的工具,当前项目与这个期待还有明显距离。
对企业顾问和 IT 负责人,值得带走的方法是:把业务知识落实到真实数据,把修订落实到有依据的候选,把发布落实到能够复核的评估。这既能指导采用 EvoOntology,也能用于审查其他声称“自学习”“自进化”的企业 Agent 方案。