Ontology-Agent（本体增强 Agent）

定义

把业务规则判定交给本体和推理工具的 Agent 架构，让 LLM 负责调度、解释和行动组织

关键数据点

核心分工：LLM 负责理解请求、选择工具、解释结果；Ontology、TBox 和推理机负责高风险业务规则判断。
运行闭环：从数据库或业务系统取事实，映射成 ABox，调用 OWL 推理工具，读取分类结果，再由 Agent 组织回答或下一步动作。
典型工具栈：业务数据库、ontology query tool、ontology reasoning tool、Owlready2 + HermiT 的开发期实现，或 GraphDB + SPARQL 的生产级语义服务。
工具选择原则：日常明细查询走数据库；规则判定走本体推理；概念解释走本体定义；跨对象关系查询走知识图谱或 SPARQL。
关键收益：把"能否发货"、"能否加急"、"是否特殊处理"这类判断从 LLM 内部迁移到可审计、可测试、可解释的外部语义层。

企业 Agent 的风险不只是回答错，而是在真实流程里错误解释规则。一个模型可能读到 ALLOCATED 就认为库存可用，但在不同系统中这个词可能分别表示原料锁定、产能排期或发货确认。Ontology Agent 的任务，就是把这种语义判断从语言模型直觉中拿出来。

在订单加急案例里，Agent 不直接凭自然语言判断是否加急，而是调用本体工具：先取得客户等级、订单、库存占用和质检事实，再由推理机判断订单是否属于 ReadyToShipOrder 和 ExpediteEligibleOrder。最终回答可以回溯到 TBox 规则和 ABox 事实。

这种架构让 Agent 更像企业工作系统的编排层，而不是全知判断者。它仍使用 LLM 的语言能力和上下文能力，但把关键的确定性判断交给可验证工具。

这个边界能减少两类失败：一是模型把事实检索误当规则判断，二是团队把所有规则硬编码进 workflow，导致规则爆炸。