本体
本体（ontology）是一张“概念地图”：它确定某个领域中出现的概念，并把这些概念具有什么属性、彼此如何关联，整理成计算机可读的形式。
工作原理
本体主要确定三件事。第一，要处理的对象类型（例：“客户”“订单”“产品”）。第二，每个对象具有的属性（例：订单的“日期”“金额”）。第三，对象之间的关系（例：“客户下订单”“苹果是水果的一种”）。这样确定之后，计算机就能根据已写明的事实推导出未写明的事实，或检查信息之间是否存在矛盾。
发展历程
作为在网络上共享本体的标准，W3C（制定 Web 标准的国际组织）于 2004 年发布了 OWL（Web 本体语言），2009 年发布修订版 OWL 2，2012 年发布其第二版。OWL 是基于逻辑的语言，程序可以用它检查知识是否前后一致，或揭示隐含的事实。同在 2009 年，W3C 还将 SKOS 定为标准，这是一种轻量格式，用于在网络上方便地共享叙词表、分类表等相对简单的术语体系。大语言模型（LLM）出现后，连接二者的研究不断增多。2023 年的“LLMs4OL”研究在不额外训练、只向 LLM 提问的情况下，用多个模型测试了它们完成术语类型判别、上下位概念识别、概念间关系抽取等本体构建任务的能力。同年发表的《LLM 与知识图谱融合路线图》论文把研究方向归纳为三类：用整理好的知识增强 LLM，用 LLM 构建和填充知识结构，以及二者相互协作。
为什么重要
LLM 虽然表达流畅，但内部难以看清，还会说错事实。像本体这样明确写下概念和关系的知识，可以成为 AI 回答时可依靠的可信基准。另外，当不同部门或系统用不同名称称呼同一对象时，有了通用本体，就更容易把数据连接到一起。因此，它常与企业级 AI 智能体、GraphRAG 等使用“结构化知识”的技术一同被提及。
注意事项
要从零开始做好本体，需要投入大量领域专家的时间和精力。现实中的知识不断变化，因此本体不是建一次就完事，而需要持续修订。可以让 LLM 辅助构建，但 LLM 也可能生成错误的关系，仍需人工审核。顺带一提，“本体论（ontology）”原是探讨“存在的是什么”的哲学术语，信息科学借用了这个名字来指上述概念体系。
示例
数据分析平台公司 Palantir 把“本体（Ontology）”作为其产品 Foundry 的核心功能。公司文档将其介绍为把分散的数据与工厂、设备、产品等现实对象，或客户订单、金融交易等概念相连接的“组织运营层”，并表示它在许多情况下充当组织的数字孪生。它把数据整理为“对象、属性、链接”，并在此之上定义人或 AI 可以执行的“动作”，用于决策。