提到企业AI，Palantir是一个很容易让人产生联想的名字。

这家公司靠给企业和政府做数据，做到了4000亿美金的市值。

企业的业务关系往往都比较复杂，谁负责这个项目，供应商与哪些订单有关，一条规则改变，会影响哪些业务。

这些其实都跟本体论相关，把企业分散的数据、业务逻辑、可执行动作和安全规则，映射成统一的对象、关系和决策模型，相当于建了一个人和AI都能理解、都能直接动手的数字孪生。

放到企业软件里，客户、员工、订单、供应商分别是什么，它们之间有什么关系，需要遵守哪些规则，都要定义清楚。

有了这层结构，文档和数据库中的信息，才能围绕具体业务关联起来，供AI查询和推理。

今天给大家推荐的项目，号称全球首个开源企业世界模型。

项目作者说“不希望将此项目视为Palantir的开源版本”。

嗯，我不听，我就觉得你是Palantir的开源简化版。

项目简介

Utopia是首个开源企业知识世界模型，是一个基于本体、能够从持续接入的资料中学习并治理知识的知识工程平台。

它把时间感知和本体论融入底层，让知识体系随新资料不断演进，基于本体进行冲突检测和知识推理，逐步向智能决策扩展。

帮助企业建立可追溯的知识基础，为AI业务应用、可信决策和合规审计提供支撑。

DEMO

看起来可能有点抽象，放到实际工作里就很好理解了。

公司的合同会修改，制度会更新，项目负责人也会调整。

几个月后再问AI：当时为什么这样处理？

光找到一份最新文件，肯定是解释不清楚的。

Utopia保留了两条时间线，事实什么时候成立，以及系统什么时候知道它，这样就有据可查了。

这叫双时态，更正一个事实的时候，系统会保留旧版本，并关联新版本，让变化可以追溯。

先还原当时掌握的信息，AI才有条件理解当时的判断。

功能特点

用业务概念组织知识

Utopia 提供本体工作台和预置本体包。

本体可以简单理解为业务概念和关系的定义，什么是部门，什么是员工，它们之间可以建立怎样的关系。

有了共同定义，来自不同材料的信息才更容易对齐。

发现知识中的冲突

新旧材料可能互相矛盾，事实也可能违反已经定义的规则，项目提供冲突检测和处理入口。

这类能力的价值，是把需要核实的问题摆出来，究竟该更新事实，还是调整规则，仍然需要结合业务判断。

推理结果能够追溯前提

项目支持根据本体规则派生事实，并保存推导依据。派生功能默认关闭，派生结果与直接抽取的事实分开存储。

可以进一步检查这条结论来自原文，还是来自一组规则和前提。

文档知识与数据库查询结合

Utopia提供数据库映射和自然语言问数能力，让文档和结构化数据能够共同参与查询。

很多企业问题恰好跨越这两类信息，规则在文档里，实际记录在数据库中。

项目链接

https://github.com/deeplethe/utopia

来源：开源AI