
把话说清楚,是一种工程能力:本体论到底在管什么
TL;DR
本体论先是哲学问题,后来才成了计算机里的技术术语——一种把隐性共识显式化到可计算程度的思维方式。
本体论最早是个哲学问题
“本体论”这个词,第一眼看上去像是数据库或 AI 里的术语。其实它比计算机古老得多——最早是哲学里的一个分支,问的是一个特别朴素的问题:世界上到底有哪些东西是真的存在的?
古希腊的巴门尼德把话说得很绝:能被你想、能被你说出来的,就一定“存在”。你没法谈论“不存在”——你一开口,它就已经在了。亚里士多德接着往下拆:存在有好几种(他分了十个范畴),最实在的是“实体”,判据是“既不述说别的主体,也不存在于别的主体之中”——说白了,它不靠别的东西,自己就能存在;而数量、性质、关系这些范畴,都得依附在实体上才算数。
两千年后,海德格尔把整个传统又翻了一遍。他说你们研究来研究去,研究的都是“存在者”——一个个具体的东西,却把“存在”本身忘了。他管人叫“此在”(Dasein),意思是人的特别之处在于:人不是先有一个固定的本质再去做事,人是在不断做事、不断进入关系的过程中,才成为自己的。
看到这里你可能想问:这跟写代码有什么关系?
先记住一件事就够了——哲学家反复在做的,是把我们天天在用、却从没认真定义过的词,拿出来问一句“它到底是什么”。
问题是,哲学问到这儿就停了。它擅长把问题问深,但答案往往停在一句洞见、一段思辨里,没法变成一份别人能直接拿去用的东西。(忍不住吐槽:只可意会不可言传,哲学挖坑最多吧)
直到计算机出现,这件事才变得不得不做。
说明一下边界:这篇文章不打算讲本体论哲学史,也不评判谁对谁错。我们关心的是另一件事——本体论作为一种思维方式,怎么帮我们把一个领域里“大家都懂、但没人说清”的东西写下来,变成机器也能处理的东西。
写给机器的世界说明书
哲学停在了“追问”,计算机把这件事变成了“必须交作业”。
1993 年,Tom Gruber 给了本体一个在计算机领域流传最广的定义:本体是「概念化的显式规范说明」(an explicit specification of a conceptualization)。这句话每个词都值得拆开看:
- 概念化:先把一个领域里重要的东西抽象出来——哪些是对象,哪些是它们之间的关系
- 显式:不能靠默契,必须白纸黑字写下来
- 规范说明:用一套有约束、机器能读的格式写
1997 年,Borst 把定义改成了「共享概念化的形式化规范」——多了两个词:共享和形式化。共享,是说这份说明得是整个领域公认的,不是你一个人的笔记;形式化,是说它得用机器能处理的语言写,比如 RDF、OWL。
一个本体通常包含四样东西:类(领域里有哪些类型,比如员工、经理、部门)、关系(类型之间怎么连,比如“汇报给”)、公理(不许违反的规则,比如“经理也是员工”),再加上实例(具体的人和部门)。
前三样构成规则层,也就是常说的 schema。日常提到“本体”,多数时候指的就是这一层;把具体实例灌进去之后,通常就改口叫知识图谱了。所以有个好记的说法:本体是模具,知识图谱是灌进去的料。本体说“经理是员工的一种”,知识图谱说“张三是研发部的经理”。
而本体真正值钱的地方,是推理——它能推出你没明说的结论。你定义了“经理是员工的子类”,系统就自动知道每个经理也是员工;你定义了“汇报给”的对象必须是经理,那么只要知道“李四汇报给张三”,系统就能推出张三是经理——哪怕这句话你从没写过。
所以你看,本体在计算机里干的活,和哲学里其实是同一件:把“我们心里都懂”的东西,写成“机器能算”的东西。只不过这次不能再停在“意会”——写不清楚,机器就真的不懂。
一个人,到底是谁
先不看代码,想一个问题:你是谁?
在公司,你是员工;回家在父母面前,你是孩子;在伴侣面前,你是配偶;有了孩子,你是父母;坐公交时,你是乘客。
同一个人,一会儿是这个,一会儿是那个。到底哪个才是“真正的你”?
这就是本体建模要面对的第一个具体问题,也正好用上第一节那组区分:你是实体,其余的都是关系。员工、父亲、乘客都不是你“本身”,而是你在不同关系网络里占的位置。
这里要分清两类概念:自然类和角色类。
“人”是自然类,靠生物学特征定义,相对稳定——你换了工作、离了婚,仍然是人。“员工”“父亲”“乘客”是角色类,靠你和外部的关系定义:被公司雇佣才是员工,有孩子才是父亲。
所以建模时,不能把“员工”做成“人”的子类,原因有三:
- 一个人可以同时是员工和父亲。若二者是互斥的子类,逻辑立刻矛盾
- 角色会变。今天在岗是员工,明天离职就不是;子类是静态的,表达不了“曾经是”
- 角色会爆炸。借款人、担保人、投诉人,门诊患者、住院患者、受试者——每个身份建一个子类,类会多到没法维护
正确做法是让“人”这个类保持干净,用关系和约束去定义角色:“父亲”不是一种人,而是“有孩子的人”。
讲到这儿,本体论最不讲情面的地方就出来了:它不认默认值。
比如一对父子,父亲姓张、儿子姓李。很多人脑子里会自动补一句“父子应该同姓吧”,然后才发现不对——随母姓、改嫁、收养,都可能是原因。你把这个默认当成前提,它迟早会在数据里变成错误。
本体的规矩很简单:没写出来的,就不存在。要么显式写一条约束“父子同姓”,要么承认这条关系里根本没有这个约束。不能拿“大家一般都这么认为”当规则。
这也是“父亲”这个词在建模时必须拆开的原因:生物学上的父亲、法律上的父亲、实际抚养的父亲,可能是三个人。日常语言把它们糊成一个词,本体逼你把它们分开。
最后一个坑是时间。同一张化验单,昨天和今天的意义可能完全不同——白细胞偏高,昨天也许只是感冒,今天还高就得考虑别的。所以“状态”得带时间戳,本体要能表达“在某个时刻,某人处于某个状态”。
角色不是子类、默认值不存在、状态带时间,这三条是本体建模最难的地方。难不在技术,而在于它们逼你把“我一直以为大家都懂”的东西,一条条说清楚。
本体论是 DDD 的内核
上一节讲的还是一个人。换到一个团队,问题会更麻烦:同一句话,不同的人理解不一样。
做过领域驱动设计(DDD)的人,可能会觉得这套东西眼熟。确实有人说过,本体论和 DDD 很像,甚至说本体论是 DDD 的“Pro Max 版”——功能更全、更高级的那个。
我觉得这个说法不准。更接近事实的是:本体论是 DDD 的内核,DDD 是本体论在软件设计里的外壳。
DDD 的提出者 Eric Evans 在书里反复讲一件事:软件设计最难的不是技术,是真正理解业务领域。而“理解业务领域”,说到底就是本体论要解决的问题——这个领域里到底有哪些东西、它们怎么关联、边界在哪。
DDD 的每个核心实践,拆开看都是在做本体论的工作:
| DDD 的实践 | 表面上看是 | 本体论上是在做 |
|---|---|---|
| 统一语言 | 一份术语表 | 团队对这个领域的显式共识——从此“客户”只有一个意思 |
| 限界上下文 | 一种架构拆分 | 承认本体是有边界的,同一个词在不同上下文里可以有不同定义 |
| 聚合 | 一种数据一致性模式 | 把一组概念和它们的不变式打包成一个公理集 |
| 领域事件 | 一种解耦手段 | 对“变化”和“状态转移”建模 |
所以它们不是“版本升级”的关系。打个比方:本体论像数学,DDD 像物理学。物理学大量使用数学,但物理学不是数学的 Pro Max 版——它有自己的研究对象和方法。同样,DDD 大量借用本体论的思维方式,但它有自己的战场(软件设计)和工具(事件风暴、聚合、限界上下文)。
拿电商的“订单”走一遍更清楚。
DDD 的做法:跟领域专家做事件风暴,把订单的状态理出来——待支付、已支付、已发货、已完成、已取消;定义统一语言,所有人对“已支付”的理解必须一致;划限界上下文,订单上下文里“订单”带着商品和总价,物流上下文里“订单”却对应一个或多个配送单号——一个订单拆成几个包裹发货,太常见了;设计聚合,保证“订单总价等于所有订单项之和”这条不变式。
本体论的视角:订单是一个类,状态是它的属性;“已支付”是一次状态转移;两个上下文就是两个本体边界,同一个“订单”在两边属性集不同,映射还可能是一对多——跨边界建模最容易翻车的地方,就在这儿;“总价等于各项之和”是一条公理,违反它的订单不成立。
说到这条不变式,现实里还有个更有意思的坑。大促、用券之后,优惠是整单算的,但要退款、要分账、要开票,就必须把这份优惠摊到每一个商品行上。行业里的做法是按各行金额占比分摊,除不尽的由最后一行兜底,并且要求“所有行实付之和等于订单实付”——这条恒等式对不上,系统就得报警。
为什么非摊不可?因为只要有一行要退,你得当场答出“这件商品当时实际花了多少钱”。不摊、不记,退款时就得重新猜一遍。这其实是本体论的一个缩影:订单级的一笔优惠,如果不显式落到行级,它在退款那一刻就等于不存在。
你有没有发现,DDD 的每一步,背后都有一条本体论的对应。DDD 给你“怎么做”的手册,本体论回答“为什么这么做”。
这也是为什么我说它是内核、不是外壳。没有本体论的意识,DDD 很容易退化成流程和工具:便利贴贴了一墙,领域模型画得挺漂亮,但没人说得清“客户”到底指什么。反过来,带着本体论的意识做 DDD,你会不停追问那句最要命的话——这个词,我们真的在说同一件事吗?
从“延迟高”到根因排序
前面讲的是设计和建模。到了运维现场,本体论换了个名字出现——它不叫本体,叫“告警规则”“排查手册”,但干的是同一件事。
先看一句最常听到的话:“这个接口延迟高了。” 听起来毫无歧义,其实什么也没说清。追问一句“哪个延迟”,至少有五种答案:

同一个词,测量点、聚合方式、统计口径、业务含义全不一样。开发、运维、SRE、产品各自说“延迟”,说的根本不是一回事。
把这些拆清楚,就是给指标建本体:定义层管“测什么、在哪测、怎么聚合”,数据层管“某时刻的具体数值和标签”,语义层管“它对服务健康意味着什么”。三层分清楚,“延迟告警了”才能被机器还原成“服务端 p99 超 200ms,持续 5 分钟,v2.3.1,华东区”。
这套东西在排查时威力最大。K8s 上一个服务突然大量 504——没本体的时候,SRE 是猜:看 CPU 不高,猜网络;网络正常,再猜下一个。一步一试,全靠经验。
有本体的时候,504 对应一张根因 - 症状表:上游慢、OOM、网络丢包、负载均衡后端耗尽、DNS 超时、客户端超时设太短……每条根因挂着它能观测到的信号。系统并行匹配一遍,直接给出排序:上游慢 85%、连接池耗尽 60%、代码异常 15%。SRE 从最可能的开始验,不用瞎试。
差别在哪?经验从“某个人的脑子里”搬到了“一张可计算的表里”。 老师傅的判断没消失,只是被写下来、被复用了。
这就是本体论在工程里的样子:它不发明新知识,它把已经在人脑里的知识,变成机器能算的形式。
回到思维本身
走到这儿,可以回头看看这条线了。
哲学问“存在是什么”,把它问到了意会的深度;计算机把这个问题变成工程问题:一个领域里有哪些东西、它们怎么关联、边界在哪;到了 DDD 和 SRE,答案成了具体的方法和规则。表面看是三件事,其实是同一件事在不同场合的重复——把一群人心里默认成立、嘴上说不清楚的东西,写成明确、可计算的形式。
这里还得补上今天的背景:大模型。
大模型的输出是概率——给定上文,算下一个词最可能是什么。它很擅长理解你说的话,但它不知道什么叫“不可能”。概率 99% 和 100%,在它那儿差别不大,在现实里差别巨大。所以越是把决策交给大模型,越需要有一层确定的东西兜底:哪些是允许的,哪些是矛盾的,哪些关系必须成立。这层东西,就是本体。
不是说大模型不行,而是分工不同:大模型负责灵活地理解人话,本体负责守住逻辑的边界。一个管“听得懂”,一个管“不会错得离谱”。
最后回到那个命题本身——本体论是一种把隐性共识进行可计算的显式化的思维方式。三个词,三个动作:
- 隐性:它本来就在,只是没人写下来。老师傅的经验、团队里的默契、你脑子里自动补全的“父子同姓”
- 显式化:写下来这个动作本身就有价值——很多“共识”一写就露馅,原来大家想的不是一回事
- 可计算:写到机器能推理的程度,它才真正开始干活:自动补全、自动校验、自动收敛
所以它不挑场景。哲学、软件设计、运维诊断,任何一门需要说清楚“我们到底在谈什么”的领域,都用得上。它只挑一件事:你有没有把话说清楚。
挖个坑:本体也就那么回事?
前面说大模型做不到 100%,所以要本体来兜底。可本体就做得到 100% 吗?
本体是人写的。人能看到的东西有限,能穷举的可能有限,现实总比模型多出一块。更要命的是,有些东西天生说不清——只可意会,不可言传。老师傅手上那点手感,你让他写成规则,他写不全——不是不肯写,是真写不出来。
所以“把隐性共识显式化”这件事,从来是个逼近的过程,不是能抵达的终点。写得再细,总有一块留在话外。
那“够清楚”到底要多清楚?
我的答案是:标准不在本体里,在场景里。要退款,你得说清每行摊了多少;要排查 504,你得说清“延迟”测在哪个点。够用,就是够清楚。 反过来,为了一个理论上的 100%,把每个词都定义到无限细,成本会先把你压垮。
这话不是和稀泥。给 Agent 搭反馈基础设施时,同样的问题早就逼出了一套分法:哪些结论能自动验证,哪些只能给出概率性的信号,哪些必须升级给人。没人追求“全部自动化”,因为它既不现实,也不安全。真正要做的,是把能稳定复用的部分沉淀下来,把剩下的不确定性准确地交还给人——这话我在 《没有反馈基础设施,Agent 只是一个有权限的猜测者》 里写过,放到本体这里一样成立。
所以本体论真正教人的,也许不是“怎么写出完美的本体”,而是三件更朴素的事:知道自己漏了什么、知道漏的那块在什么场景下会咬人、在它咬人之前补上。
至于 100%——大概没人到得了。每把边界往外推一寸,机器能替你扛的事就多一寸;反过来说,那些怎么推也推不动的,就是老师傅还能多干几年的地方。



