金融问数本体建设：四要素内核与五条行业路线

在金融问数场景下，要让AI真正读懂业务并精准执行查询，关键在于把业务知识翻译成机器可校验的结构化语言——本体。本体由概念、属性、关系、约束（规则）四要素构成，这也是所有方法论的内核；行业五条建设路线殊途同归，关键在贴合业务、能够落地；判断标准是AI能否听懂、系统能否执行、本体能否保鲜这三问。

本体并非新概念，在知识工程和语义网领域已有数十年积淀。工程上它落地为一种可操作的建模方法，最终落脚于四个核心要素，可视为构建一个虚拟的业务世界。概念定义客户、保单、代理人、医院等核心对象类别；属性描述对象的年龄、保额、工号等具体特征；关系刻画客户购买保单、代理人销售保单、医院出具理赔报告等实体关联，把孤立概念编织成业务网络；约束编码年龄小于18岁不能购买高风险产品、理赔金额不能超过保额上限等业务规则，是AI精准执行而非自由发挥的根本保障。四者缺一不可，理解这种递进关系是设计高质量本体的前提。

工程落地时，以客户概念为例，其在数仓中的映射过程正是本体从概念层落地到数据层的关键：概念定义有哪些业务对象，属性定义每个对象长什么样，关系通过外键把孤立概念连成业务网络，约束以校验与过滤条件保证口径精准执行，四者共同构成AI可理解、可执行、可校验的语义映射。

行业建设本体的路线主要有五条：RDF/OWL/SPARQL等W3C标准构成开放可互操作的语义栈；FIBO/BFO/DOLCE等顶层本体提供哲学级上层分类；TOGAF/ArchiMate属架构驱动的企业架构治理框架；User Story/BPMN属业务驱动，用业务语言和流程图表达需求与流程；Palantir的Foundry/AIP则将本体建模与AI编排打包为商业产品。越偏语义一端越重精确表达，越偏工程一端越重落地治理。综合对比后，可采用以业务驱动为主、架构驱动为辅的融合路线。