RAG、本体与知识图谱有什么区别？企业 AI 为什么需要组合使用

企业建设 AI 系统时，经常会同时听到 RAG、知识图谱和本体三个概念。它们看起来都与“给大模型补充企业知识”有关，因此很容易被当成相互替代的技术路线。

实际上，它们解决的是不同层次的问题。

RAG 解决“去哪里找相关内容”，知识图谱解决“业务对象之间如何连接”，本体解决“这些对象究竟是什么、受到什么规则约束”。

理解这三者的边界，企业才能避免用一种技术承担它本来不擅长的任务。

RAG：先把相关资料找出来

RAG 是检索增强生成的常用实现方式。用户提出问题后，系统先从企业文档中检索相关片段，再把这些片段与问题一起交给大模型生成答案。

它的直接价值很清楚：模型可以基于企业自己的制度、手册和项目资料回答问题，减少完全依赖公共训练知识带来的偏差。

如果需求主要是内部资料查询、客服知识问答、产品手册检索或文档摘要，RAG 通常是成本较低、见效较快的起点。

但“相关”不等于“正确”。语义相似的片段可能来自已经失效的制度，也可能缺少表格、附件和上下文。RAG 擅长找到文字，却不天然理解复杂业务关系。

知识图谱：把业务关系显性连接起来

知识图谱把客户、项目、合同、产品、指标等对象表示为实体，并把它们之间的关系连接起来。

例如，一个项目属于某个客户，关联若干合同，由特定团队负责，并产生预算、进度和风险记录。知识图谱能够让这些原本散落在不同系统和文档中的关系变得可查询。

当问题涉及跨文件、跨系统或多步关系时，知识图谱比单纯的文本检索更有优势。它可以支持类似的问题：某客户名下有哪些在执行项目；哪些合同关联了同一类风险；某项指标变化可能影响哪些业务对象。

不过，一张图并不会自动理解企业。实体叫什么、关系如何定义、哪些约束必须成立，仍然需要稳定的业务语义。

本体：为企业知识建立共同语言

本体可以理解为企业业务对象的统一定义。它规定对象有哪些类型和属性，对象之间可以建立什么关系，规则和权限如何作用于这些对象。

以“合同”为例，本体不仅记录合同编号和金额，还会定义它属于哪个项目、对应哪个客户、包含哪些付款节点、适用哪些审查规则，以及哪些风险必须由特定角色确认。

本体的价值不在于画出更复杂的图，而在于让不同部门、不同系统和智能体使用同一套业务语言。

知识图谱让 AI 看见数据如何相连；本体让 AI 理解这些数据是什么、为什么相连、受到什么约束。

动态时序为什么是企业场景的关键补充

企业里的关系和规则会变化。项目状态会推进，人员职责会调整，政策和价格会更新。如果系统只保留一个“当前值”，AI 就无法判断某项结论在历史时点是否成立。

尚云强调动态时序知识图谱，是为了让业务对象、关系和规则带上时间边界。智能体既能使用当前有效知识，也能追溯某项变化发生前后的状态。

这使系统更适合处理政策解读、投资评审、历史案例复用和经营分析等对时间敏感的任务。

三种能力如何组合成一条工作链路

在真实项目中，RAG、本体和知识图谱通常不是三选一，而是协同工作。

第一步，RAG 从大量文档中找到与当前任务相关的制度、条款和历史材料。

第二步，本体把材料中的内容映射到明确的业务对象，例如客户、项目、合同、指标或风险。

第三步，知识图谱连接这些对象及其关系，并通过时间信息判断哪些规则和状态在当前任务中有效。

第四步，智能体依据这些知识调用工具、完成核验或生成结果，同时保留引用来源和执行过程，供业务人员复核。

这条链路可以概括为：资料检索 → 语义理解 → 关系推理 → 任务执行。

不同业务应该如何选择

如果业务只是从大量材料中快速找到答案，可以先从 RAG 开始，不必一开始就建设复杂图谱。

如果问题经常涉及客户、项目、合同等实体之间的关联，或者需要跨多个系统进行查询，知识图谱会变得重要。

如果多个部门对同一概念的定义和口径不一致，或者智能体需要理解规则、权限和动作边界，就需要引入本体。

如果判断依赖政策有效期、项目状态变化或历史版本，还应补充动态时序能力。

技术路线应由业务问题决定，而不是由概念热度决定。企业可以从一个任务的最低充分能力出发，再随着场景复杂度逐步增加语义与关系层。

一个投资评审例子

在投资评审中，RAG 可以找到相关政策、项目材料和历史报告；本体定义项目、主体、指标和风险的业务含义；知识图谱连接当前项目与历史案例、规则和测算参数；动态时序信息则帮助系统判断某项政策在评审时点是否有效。

智能体最终交付的不是几段检索结果，而是一份带有依据、差异和风险提示的初步评审材料。审查人员仍然保留最终判断权，但资料整理和规则核验的过程被显著结构化。

写在最后

企业 AI 的问题，很少能够只靠一种技术解决。

RAG 是高效的资料入口，知识图谱是业务关系网络，本体是统一语义和规则骨架，动态时序则提供过程记忆。把这些能力组合起来，AI 才有机会从“根据几段文字生成回答”，走向“理解企业上下文并完成可复核的任务”。