企业 Agent 要持续提升任务能力，需要不断更新对业务的理解，并将任务中的发现沉淀为可复用的知识。然而，企业事实分散在代码、数据库和各类平台中，业务持续变化，单次对话中的经验也难以跨任务积累。如何让 Agent 的业务理解持续演进，并验证每次改进是否有效？

本次分享将介绍蚂蚁集团 AntOntology 的设计与实践，阐述如何通过统一的业务对象、属性与关系，连接分散的企业事实，为 Agent 提供可发现、可查询、可追溯的业务上下文。进一步结合 Agent 辅助本体挖掘、领域审核、分层评测与失败归因，介绍业务知识从发现、验证到发布和复用的持续演进机制。最后通过实际案例，讨论 Ontology 如何与 Skill、Agent 执行系统及权限治理协作，为 Self-Evolving Agents 构建可积累、可验证的企业知识底座。

演讲提纲

1. 企业 Agent 的成长：从通用能力到业务认知
   • 理解瓶颈：业务语义分散、跨系统关系缺失、任务经验难以复用
   • 进化对象：企业知识、业务关系与任务方法
2. 蚂蚁集团 Ontology 的设计与构建
   • 统一语义：以对象、属性和关系组织业务知识，按需连接权威数据源
   • 辅助构建：Agent 挖掘候选知识，经证据追溯、领域审核与验证后使用
3. 从任务反馈到持续进化的工程闭环
   • 反馈驱动：从真实任务中发现知识缺口，完善本体并沉淀 Skill
   • 效果验证：结合接口探测、语义与推理评测、失败归因和回归验证，检验改进效果
4. 工程实践与落地经验
   • 应用案例：排障、业务上下文查询与周期巡检
   • 设计取舍：语义一致性、知识时效性、运行时权限，以及自动更新与人工审核的平衡

听众收益

• 掌握企业 Agent 知识底座的设计方法。 理解 Ontology 与 RAG、Memory、Skill 的分工，学会通过业务对象、属性和关系组织跨系统事实，为所在团队设计可共享、可持续维护的业务上下文
• 获得 Agent 持续积累业务知识的工程实施路径。 借鉴代码与数据源挖掘、证据溯源、领域审核及能力发布流程，明确自动化与人工审核的职责，规划新业务领域的接入和知识更新机制
• 建立评估和改进 Agent 能力的方法。 利用分层评测与执行轨迹，区分知识缺口、工具异常和规划问题，定位建设瓶颈，并通过回归验证判断改进是否有效，为技术选型和研发投入提供依据

演讲亮点

• Agent 既使用业务知识，也参与知识建设
  • 展示 Agent 如何从代码、数据库和既有关系中挖掘业务对象，形成带证据的本体候选，经领域审核与评测后供后续任务复用，让“持续进化”对应具体的工程过程
• 把分散的企业事实组织成可查询的业务上下文
  • 通过统一的对象、属性与关系，连接跨系统标识和权威数据源，并通过 CLI 与 Skill 向不同 Agent 提供共享能力。结合 Trace 排障等案例，说明这层业务语义如何帮助 Agent 组织查询路径、关联证据
• 用分层评测解释 Agent 为什么失败、应该改哪里
  • 展开本体探测、对象与关系语义评测、跨域多跳任务评测，结合完整执行轨迹区分知识缺口、接口异常和规划问题，使改进有依据、效果可验证。
• 提供可供听众借鉴的落地方法
  • 分享本体建模、证据管理、专家审核、能力发布与回归验证中的具体做法，同时说明自动化的适用范围及人工治理环节，帮助听众判断如何在自己的企业场景中实施