語義層係 AI Agent 嘅契約，唔係加速器

當企業開始部署 AI Agent 來自動執行數據查詢、報表生成或跨系統調度任務時，一個經常被低估嘅問題浮現出嚟：邊個定義「正確」？呢度講嘅唔係模型輸出符不符合語法，而係佢嘅行為是否真正對齊業務意圖——包括口徑一致性、權限邊界、時效約束同組織語義。我哋觀察到，好多團隊喺 NL2SQL 場景入面過早聚焦於微調大型語言模型，卻忽略咗最基本嘅契約層仲未建立。

呢個契約，就係語義層（Semantic Layer）。佢唔提供運算能力，亦都唔直接生成 SQL，但佢決定咗 Agent 可以「睇到乜」、「理解成乜」、「被允許做乜」。喺 OntiCards 實踐入面，語義層嘅本質唔係數據建模工具，而係一套可執行嘅業務語義合約。

語義層嘅雙重角色：建模層 vs 契約層

傳統數據平台將語義層視為 BI 工具嘅前端映射層：欄位改名、指標公式封裝、維度層級定義。呢類實現雖然提升自助分析效率，但無法支援 Agent 嘅自主決策。因為 Agent 唔睇文件、唔睇儀表板，佢哋依賴結構化語義接口作出推理同動作。

真正契約型語義層需要同時滿足兩類能力：

• 描述性能力（Descriptive）：可以表達「銷售金額」喺財務口徑下包含稅項、喺渠道口徑下唔包含返點；

• 約束性能力（Prescriptive）：可以強制 Agent 於發起查詢前驗證其意圖是否落入預設語義範疇，並拒絕越界請求。

兩者缺一不可。缺少前者，Agent 會因語義歧義產生錯誤結果；缺少後者，Agent 可能繞過權限邏輯，或誤用非權威數據源。

點解本體建模天然適配契約需求？

本體（Ontology）並唔係新概念，但喺 AI Agent 上下文入面，佢重新獲得技術正當性。本體嘅核心價值唔喺於「幾靚嘅知識圖譜」，而喺於其顯式、可驗證、可組合嘅語義約束機制：

• 概念（Class）定義實體範疇（例如 Customer, Invoice），而非物理表名；

• 屬性（Property）綁定語義規則（例如 hasEffectiveDate 必須喺 [2020-01-01, now] 區間內）；

• 關係（Relation）聲明合法關聯路徑（例如 Invoice → Customer 允許，但 Invoice → Employee 需經審批流程）；

• 約束（Constraint）支援 OWL 或 SHACL 表達式，可被運行時引擎直接解析同執行。

即係話，當 Agent 提出「搵華東區近三個月高淨值客戶復購率」時，語義層無需等到模型返返 SQL 先做攔截——佢可以喺意圖解析階段即時識別：「高淨值」未喺客戶分類本體入面定義，或者「復購率」計算邏輯未喺指標本體入面標記為可公開使用。呢種前置守門（guardrail），比起後置審計更加高效同可靠。

NL2SQL 成敗唔喺模型，而喺語義錨點

而家 NL2SQL 方案普遍面對「幻覺式準確」：喺測試集表現優異，但上線後頻繁出錯。成因往往唔係模型能力不足，而係缺乏穩定嘅語義錨點（Semantic Anchor）。

舉例嚟講，同製造業企業合作時，常見情況係同一張報表喺財務同生產兩套口徑入面對唔上。如果 NL2SQL 模型只從表結構同樣本查詢入面學習，佢可能隨機匹配任何一個版本嘅「產量」欄位，而無法察覺「呢度應該採用 MES 系統實時採集值，唔係 ERP 月結存檔值」呢個業務約定。

契約型語義層喺呢度嘅作用，就係將模糊嘅自然語言意圖，映射到一組帶上下文約束嘅本體實例。模型只需喺呢個收窄咗嘅語義空間入面進行生成，大幅降低歧義風險。準確率嘅提升主要來自語義層對模糊指代嘅消解，而唔係模型本身變強。

信創同私有化場景入面，契約比性能更關鍵

喺政務、金融等強調合規同可控嘅領域，客戶經常提出明確要求：Agent 每一次數據訪問，必須可追溯、可解釋、可審計。呢個時候，單純追求低延遲或高併發毫無意義——如果無法證明某次查詢點解獲准、依據邊條語義規則、有冇通過權限校驗，整個流程就缺乏治理基礎。

語義層作為契約載體，天然支援三類信創友好能力：

• 所有語義定義以標準 RDF/OWL 格式匯出，唔綁定特定引擎；

• 權限策略同數據血緣可基於本體關係自動生成，無需客製開發；

• 審計日誌可攜帶語義上下文（例如「因用戶角色屬於［區域銷售總監］，且查詢範圍落喺［華東區］本體子類入面，故授權」）。

呢啲特性令語義層成為連接國產數據庫、BI 工具同 AI Agent 嘅中立協議層，而唔係某家廠商嘅封閉組件。

收束：契約失效時，再強嘅 Agent 都係風險源

AI Agent 嘅價值，唔取決於佢可以幾快回答問題，而取決於佢是否始終喺「問對問題」嘅前提下作答。語義層如果退化為配置界面或指標倉庫，就會縱容意圖漂移——今日查「銷售額」，聽日查「回款額」，後日查「合同額」，但又冇人校驗呢三者是否喺同一語義體系入面被定義。

因此，企業推進 Agentic Workflow 嘅第一道關卡，唔係揀邊個大型語言模型，亦都唔係搭咩編排框架，而係共同釐清：邊啲語義係組織級共識？邊啲約束必須剛性執行？邊啲變更需要跨部門協同評審？

唯有當語義層真正成為一份被多方簽署、持續演進、機器可讀嘅契約，AI Agent 先可以由「自動化執行者」升級為「可信協作者」。

參考來源

參考來源

• W3C OWL 2 Web Ontology Language Document Overview: https://www.w3.org/TR/owl2-overview/

• The Semantic Layer: A Critical Component for the Modern Data Stack (dbt Labs, 2023): https://docs.getdbt.com/guides/semantic-layer

• SHACL: Shapes Constraint Language 1.0: https://www.w3.org/TR/shacl/

• What Is a Semantic Contract? (MIT CSAIL, 2022 whitepaper): https://csail.mit.edu/semantic-contract-whitepaper