# 策展 · X (Twitter) 🔥🔥🔥

> 作者：Palantir (@PalantirTech) · 平台：X (Twitter) · 日期：2026-04-29

> 原始來源：https://x.com/palantirtech/status/2049136883528011954

## 中文摘要

# 將 Agent 連接到決策

## Palantir Ontology

Palantir 的軟體為全球許多最關鍵的商業與政府場景提供了即時的人機協作決策動力。從災難應變到核能生產，我們的客戶依賴 Palantir AIP 來安全、可靠且有效地在企業中運用人工智慧，並推動營運轉型。

雖然實現並擴大營運影響力的因素有很多，包括我們的 AIP AgentCamps——讓客戶能親自操作鍵盤，並在數小時內透過人工智慧取得成果——但關鍵的差異化因素在於圍繞著 Palantir Ontology 建構的軟體架構。

Ontology 是一個旨在呈現企業決策而非僅僅是資料的系統。世界上每個組織的首要任務，就是在應對不斷變化的內部與外部條件時，執行出最佳的決策，且通常需要即時完成。傳統的資料架構無法捕捉決策背後的推理過程或隨之產生的行動，因此限制了學習與人工智慧的整合。傳統的分析架構無法將計算置於現實情境中，因此與實際營運脫節。為了在當今世界中導航並取得成功，現代企業需要一種以決策為中心的軟體架構。

為了理解 Ontology 的價值，讓我們從任何營運決策的四個組成部分開始探討：

- 資料 (Data)：用於做出決策的資訊。

- 邏輯 (Logic)：評估決策的啟發式方法與計算流程。

- 行動 (Action)：所選決策的編排與執行。

- 安全 (Security)：確保決策符合營運政策的保障。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777432843839-diaHG4PstWwAASbN4jpg.jpg)

Ontology 將這四個決策組成要素整合為一個可擴展、動態且協作的基礎，反映了組織隨著即時演變而不斷變化的條件與目標。

## 資料

現今的組織正被前所未有的資料量所淹沒。資料來源的數量、多樣性與速度不僅在增加，而且隨著時間推移而不斷加速。儘管關於清理與統一資料的優點已經有過許多討論，但在人工智慧時代，主要問題在於「相關性」。相關資料當然包含了企業資料來源的全貌——結構化資料、串流與邊緣來源、非結構化儲存庫、影像資料等——但它也包含了使用者與 Agent 在做出決策時所產生的資料。這些「決策資料」包含了圍繞特定決策的情境、所評估的不同選項，以及已做出選擇後的下游影響。生成式人工智慧提供了一種突破性的能力，可以從全規模的決策資料中綜合學習，並持續豐富人類與 Agent 驅動的工作流程。自然地，將全方位的企業資料與流動的決策資料景觀整合，需要一種與針對報告與分析進行優化的傳統資料庫管理解決方案截然不同的架構。

Ontology 將所有形式的資料整合為企業的全規模、高保真語意呈現。各種廣泛的營運資料來源（ERP、MES、WMS 等）可以與來自 IoT 與邊緣系統的資料串流、非結構化資料儲存庫的相關部分、地理空間資料儲存等進行同步與情境化。Ontology 統一並啟用了這些分散的資料池，並以企業的語言將其呈現出來。與其處理將營運豐富性扁平化為狹窄架構的「黃金表」，企業的全貌以物件、屬性與連結的形式呈現，這些物件會即時演變，並設計為直接嵌入決策工作流程中。至關重要的是，Ontology 的設計旨在安全地捕捉營運使用者在執行日常工作（例如在供應鏈、醫院系統、客戶服務中心內）時產生的決策資料。這包括透過輕量級 Embedded Ontology 在邊緣做出的決策。當特定決策是在何時、基於哪個版本的企業資料、透過哪個應用程式所做出的，其 End to End (端到端) 的「決策血緣」會被自動捕捉，並能安全地提供給人類開發者與 Agent 存取。這為大規模推動人工智慧驅動的學習提供了必要的全面基礎，並能持續精進各種形式的 Agent 記憶（工作記憶、情節記憶、語意記憶、程序記憶等）。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777432843812-ediaHGpXwXkAA4UTzjpg.jpg)

## 邏輯

雖然資料是基礎，但它只是決策過程的一個維度；它必須輔以決定何時以及如何做出特定決策的推理或邏輯。支撐決策的邏輯可以是核心業務系統中的簡單業務邏輯、使用雲端資料科學工作台維護的預測模型、或是使用多個資料來源來產生營運計畫的優化模型——在無數的可能性之中。在現實場景中，人類的推理往往負責編排在特定工作流程的不同階段使用哪些邏輯 asset，以及它們如何可能在更複雜的流程中串聯在一起。隨著 Agent 編排技術的出現，現在至關重要的是，人工智慧驅動的推理必須能像人類歷史上一樣，利用所有這些邏輯 asset。確定性函數、演算法與傳統統計流程必須作為營運工具呈現出來，以補充 LLM 與多模態模型的非確定性推理。此外，隨著工作流程由人類與 Agent 共同執行，累積的部落知識可以被納入不同的邏輯片段中，並能推動一個持續產生新功能封裝的過程，進而在整個工作流程中被利用。

Ontology 使得整套邏輯 asset——即決定決策如何做出的計算與流程——能夠為人類與 Agent 進行連結與情境化。這包括通常存在於 CRM 與 ERP 中與客戶互動相關的業務邏輯；驅動傳統機器學習並分佈在資料科學環境中的建模邏輯；以及通常與特定領域工具交織在一起的規劃、優化與模擬演算法。Ontology 靈活的「邏輯綁定」範式為建構工作流程提供了一致的介面，能夠無縫整合並結合異質的邏輯 asset——這些 asset 可能存在於非常不同的環境中（例如地端資料中心、企業雲端環境、SaaS 環境、Palantir 平台）。最終，這意味著 Agent 驅動的推理可以順利引入到利用多樣化邏輯集、且傳統上完全由人類使用者主導的決策情境中。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777432843674-diaHGpgDqWUAA6BW6jpg.jpg)

## 行動

隨著資訊（資料）與推理（邏輯）被納入共享的呈現方式中，下一個需要建模的部分就是決策本身的執行與編排（行動）。在決策即時做出時關閉行動迴圈，是營運系統與分析系統的區別所在。自 Palantir 成立以來，決策的執行與資料的綜合或分析的整合一樣，都是關鍵的考量因素。這需要設計並實作一套廣泛的功能，包括如何安全地捕捉可能同時發生且潛在衝突的決策；一種將「可探索可能決策者」、「可將決策暫存以供審查者」與「可提交這些決策者」進行區隔的協作模型；以及一個用於將決策同步到現有資料庫、邊緣平台與堅固型 asset 的廣泛框架。

Ontology 在一個凝聚的、以決策為中心的企業模型中原生建模了行動。如果 Ontology 中的資料元素是企業的「名詞」（語意化的、現實世界的物件與連結），那麼行動就可以被視為「動詞」（動態的、現實世界的執行）。在每一個由 Ontology 驅動的工作流程中，名詞與動詞透過人類與/或人工智慧驅動的推理，結合各種邏輯片段，組成了完整的句子。雖然在語意模型中統一資料本身很有價值，且將評估可能決策所需的邏輯串聯起來也至關重要——但除非執行的決策與營運系統同步，且完整的決策血緣被捕捉在一個能為下一次決策提供更好資訊的複合基底中，否則這一切最終價值有限。Ontology 使得人類與 Agent 的行動可以安全地以情境 (Scenario) 形式暫存，並受到與資料與邏輯原語相同的細粒度存取控制管理，並能安全地寫回每一個企業基底——交易系統、邊緣裝置、自訂應用程式等。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777432843423-ediaHGpmVubwAAeVjjpg.jpg)

## 安全

在任何營運環境中，人機互動都需要嚴格的安全與治理能力，這些能力遠遠超出了傳統針對資料桶 (buckets of data) 的角色驅動政策。Palantir AIP 提供了一種安全架構，可以混合標記、目的與角色基礎的政策；跨越資料、邏輯、行動與應用程式產物的動態血緣；以及一套完整的整合變更與發布管理工具，適用於人類驅動與 Agent 驅動的工作流程。細粒度的政策可以附加在 Ontology 上，以限制 Agent 與人類對敏感或依賴情境資訊的存取。這些政策在每次互動時於執行階段動態計算，並可結合已應用於底層資料集的列與欄級限制、特定使用者群組的屬性（包括透過 SSO 流入的屬性）、在底層資料管道中傳播的安全標記等。

工具的使用是透過管理資料存取與所有形式記憶的相同安全架構進行動態強制執行。這至少確保了任何工具的呼叫都取決於對 Ontology 中底層物件、屬性與連結的存取權。此外，工具可以包含取決於細粒度提交標準的執行階段驗證。每一個 Agent 或人類行動都取決於精確的授權許可，這些許可明確規定了允許的操作集，從而防止意外的呼叫（例如查詢跨越組織邊界存在的資料，或連接到未指定外部系統的工具）以及其他形式的權限提升。隨著 Agent 產生詳細的遙測資料，日誌的安全與傳輸是關鍵的最後一哩路問題。AIP 讓管理員能夠控制日誌如何在特定專案、工作流程與 Agent 之間進行存取。資料標記與其他主動安全原語以管理底層資料、邏輯與行動原語相同的方式，管理對日誌的存取。

簡而言之，Ontology 將資料、邏輯、行動與安全整合為一個以決策為中心的企業模型，可由人類與 Agent 共同利用。從資料整合到應用程式建構，再到終端使用者工作流程，一切都由一個經過實戰檢驗的模組化架構所驅動——使人類使用者與 Agent 能夠在共享的營運基礎上進行查詢、推理與行動。

讓我們透過一個概念性範例來拆解 Ontology 如何使 50 多個產業的組織在數天內啟用人機協作工作流程。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777432843847-diaHGptACagAAk3UWjpg.jpg)

## 營運範例

Onyx Incorporated 是一家虛構的醫療設備製造商，生產一系列成品，從針筒到手術口罩，每一種產品都需要將精確的材料集透過相關的製造流程進行處理。多個團隊負責管理從供應商關係、倉庫營運、成品生產到配送給終端客戶的所有事務；決策是相互依賴的，並不斷適應變化的環境。簡而言之，經營業務的每一天都帶來獨特的挑戰。

在這個範例中，Onyx 面臨其主要供應商之一的意外中斷，該供應商提供生產手術口罩所需的關鍵原材料。鑑於 Onyx 製造工廠緊湊的生產計畫以及客戶對手術口罩日益增長的需求，這種中斷可能會對履行未完成的客戶訂單造成嚴重問題。幸運的是，Onyx 的營運團隊利用 AI FDE 將廣泛的資料來源、邏輯 asset 與行動系統連接到他們的企業 Ontology 中——並有能力迅速做出反應。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777432843606-ediaHGp2zxa4AAussjpg.jpg)

Onyx 將首先評估供應商短缺的直接影響，然後利用人工智慧評估跨生產線的重新分配策略，最後將他們的決策轉化為一組連結的行動，這些行動將同時更新倉庫流程、生產計畫與履行路線。

Onyx 的 Ontology 提供了對業務各個相互依賴部分所發生的營運情況的即時、End to End (端到端) 可見性——使領導層與一線團隊都能迅速了解供應商中斷的情況。與供應商管理、倉庫營運、工廠內生產活動、配送中心處理與客戶履行相關的重要資料系統，都被綜合為反映業務語言的語意物件與連結。只需點擊幾下，營運主管就能精確定位因原材料短缺而面臨風險的手術口罩生產，並透過 Ontology 中的連結，導航到現在同樣面臨風險的每一筆未完成客戶訂單。Ontology 的細粒度安全模型確保了更敏感的資料元素（例如財務指標）在預設情況下會被自動隱藏，因為應對措施擴大到包含企業內更多的團隊。

雖然營運使用者透過直觀的 Workshop 與 SDK 驅動的應用程式導航 Ontology 是無縫的，但 Agent 能力的加入對 Onyx Incorporated 來說是一個力量倍增器。利用開源與專有 LLM 的 Agent，能夠流暢地導航組織 Ontology 中包含的供應商資訊、庫存水準、即時生產指標、裝運清單與客戶回饋。至關重要的是，所有 Agent 活動都受到管理人類使用者的相同安全政策控制——確保 Onyx 工程師始終能精確控制 LLM 可以查詢、推薦與採取行動的範圍。每個建構並部署的 Agent 都可以被視為一名新團隊成員，隨著 Onyx 團隊成員對其效能建立信心，它會逐漸被授予更廣泛的權限。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777432843723-mmediaHGpJ2aoAAowjpg.jpg)

情境感知只是 Ontology 冰山的一角；Onyx Incorporated 需要迅速找出解決供應商中斷的方案，並探索每個可能決策所固有的權衡。幸運的是，各種預測模型、分配模型、生產優化器與其他邏輯 asset 已與上述資料來源一起連接到 Onyx 的 Ontology 中。這使得供應鏈分析師能夠快速執行一系列模擬，詳細說明不同材料替代方案的後果。Ontology 連結的、即時的特性在此階段至關重要，因為替代原材料可能會對使用相同材料生產的其他產品（例如針筒、手套）產生下游影響。隨著模擬的執行，模擬輸出被暫存為 Ontology 情境，將提議的變更安全地封裝在 Ontology 的沙盒子集中——使團隊能夠在提交決策之前安全地探索與分析其影響。

對 Onyx 團隊來說，真正的遊戲規則改變者是 Agent 艦隊可以安全地利用全方位的邏輯 asset 與相同的場景框架。Ontology 使得 Agent 能夠超越檢索增強生成 (RAG) 的資料中心限制，轉而透過可擴展的工具範式與 Ontology 中互連的資料、邏輯與行動原語進行互動。這意味著當 Onyx 的分析與資料科學團隊在他們的雲端工作台中建立新的機器學習模型、在企業系統內調整優化演算法，並使用 Palantir 的開放模型建構框架微調 LLM 時，Ontology 會安全地將所有這些邏輯 asset 呈現為人工智慧就緒的工具。在這種情況下，Onyx 建立了一個經過調整的 Agent「Disruption Bot」，它能夠使用一組 Ontology 驅動的工具來掃描全方位的企業資料來源、先前在類似情況下採取的行動後報告，以及潛在適用的材料重新分配模型。由於 Ontology 提供了豐富、密集的背景資訊，Disruption Bot 能夠提出一個新穎的重新分配計畫，該計畫使用了供應鏈分析師尚未考慮過的新模型。隨著計畫的後果被安全地暫存於情境中，Agent 提議的決策會移交給人類分析師進行最終審查。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777432843592-diaHGqFkobMAA8SDqjpg.jpg)

在確定了應對材料短缺的可行計畫後，Onyx Incorporated 需要迅速且安全地將決策推送到運行組成流程的營運系統。鑑於企業是透過收購成長的，且包含多樣化且脆弱的關鍵營運系統組合，Onyx IT 團隊對於哪些流程可以寫回這些系統以及在什麼條件下寫回保持警惕。幸運的是，Ontology 對行動應用了與資料與邏輯相同的嚴格控制與驗證；實現了對誰可以呼叫特定行動的細粒度控制、用於發布變更的測試驅動框架、批次暫存與審查變更的能力，以及對每個事件的詳細日誌記錄。在這種情況下，材料重新分配計畫的執行會自動編排一組寫回常式，每個常式都針對接收系統進行了調整：倉庫管理系統接收 API 驅動的更新；三個 ERP 系統各自透過原生 Ontology 驅動的連接器接收更新，這些連接器遵守每個系統中的安全防護措施；生產規劃系統則接收一個整合的平面文件，並以非同步方式進行接收。隨著行動的執行，Onyx IT 團隊可以監控系統回應，並始終有能力審計過去的活動。

Ontology 提供了人工智慧在允許範圍內安全採取行動所需的護欄。與資料與邏輯一樣，行動可以自動呈現為各類 Agent 的工具。行動的範圍可以僅限於反映 Ontology 本身中的特定變更（例如對物件的編輯，或新物件的建立）；或者可以寫回單個或多個系統。在 Onyx 的情境中，他們授予了 Disruption Bot 與其他少數生產人工智慧 Agent 對少數行動的存取權。在預設情況下，這些行動（例如更改工單狀態，或推動重新分配計畫）只能由人工智慧暫存，然後移交給人類進行最終審查。然而，憑藉 Ontology（以及更廣泛的 Palantir 平台）提供的細粒度日誌記錄與營運儀表，Onyx 能夠精確選擇哪些受信任、成熟的人工智慧流程可以在無需人工審查的情況下自動關閉行動迴圈。隨著條件的演變，賦予人工智慧的自由度可以擴大或縮小——並立即反映在所有 Ontology 驅動的工作流程中。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777432843665-diaHGqL8gbUAAaGyOjpg.jpg)

危機之後會發生什麼？隨著資料、邏輯、行動與安全都連結到 Onyx 的 Ontology 中，該組織有能力進行強大的以決策為中心的學習。產生特定材料短缺解決方案的人機協作也揭示了可推廣的工作流程，組織將希望在未來紀念並呈現這些流程。評估的每一個資料元素、邏輯 asset 與行動都被捕捉在 End to End (端到端) 的決策血緣中——這作為優化人工智慧效能的豐富、情境化燃料。數千名使用者與 Agent 在 Ontology 中做出的總體決策，可以在微調模型時安全地作為訓練資料利用，並可提煉成在 Agent Prompting 期間呼叫的目標原則。傳統上被困在工作流程縫隙中的部落知識，可以透過人工智慧被照亮，以改進人工智慧的應用。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777432843610-diaHGqSMhbMAAtZs1jpg.jpg)

## 邁向 Ontology 的未來

最終，Ontology 允許每個組織實作並擴展人機協作營運，並精確控制如何在前端情境中使用 Agent 驅動的建議、增強與自動化，以及何時使用。這是獨一無二的，因為 Ontology 是以決策為中心的，而不僅僅是以資料為中心；它在單一軟體系統中匯集了決策的組成要素——資料、邏輯、行動與安全。新資料可以迅速整合到高保真的語意呈現中；新的演算法與業務邏輯可以無縫地為人類與人工智慧使用者呈現；強大的行動整合則透過與全方位營運系統的即時連接來實現。每個組織的 Ontology 都是對團隊間不斷變化的條件、目標與所做決策的即時脈動——確保人工智慧始終錨定在企業的現實中。

這篇文章僅觸及了 Ontology 底層以決策為中心架構的表面；系統原生的模擬與情境建構能力；透過 Ontology SDK 提供的可擴展性；允許 Ontology 安全且零停機演進的 Global Branching 框架；以及在整個企業中擴展人機協作的工藝。

## 現實世界範例

- 了解美國航空 (American Airlines) 如何利用他們的 Ontology 來推動人工智慧賦能的網路規劃

- 了解美國陸軍軟體工廠 (U.S. Army Software Factory) 如何在數天內實作過去需要數月才能完成的工作

- 了解諾華 (Novartis) 如何透過 Agent 驅動的研發 (R&D) 轉型藥物發現

- 了解 Andretti Global 如何透過人機協作來為 IndyCar 營運注入強大動力

## 標籤

Agent, 產業趨勢, Palantir