Question 1

Ontoxiom Harness 和 LLM Wiki 有什么区别？

Accepted Answer

LLM Wiki 让模型把资料整理成 Markdown 页面并自行维护，Agent 阅读这些页面来回答问题。它非常适合沉淀个人或团队的经验与说明。

但 Wiki 是模型写的摘要：它可能已经过时，不能精确统计或枚举，没有字段级权限，也不能执行业务动作。Harness 里的 Agent 面对的是从业务系统持续同步的类型化对象，答案可以精确到每一张订单；每一次读写都经过 Governor，动作需要检查与审批，并完整留痕。

两者可以共存：Wiki 适合承载「怎么做」，本体负责「是什么」和「去做」。

Question 2

我们已经做了 RAG 知识库，还需要本体吗？

Accepted Answer

RAG 擅长回答制度、手册类的问题，但它检索的是「相似的文本」，而不是「准确的事实」。像「哪些订单会受影响」「本月下降超过 20% 的客户有哪些」这类问题，需要查询、遍历与聚合，RAG 做不到。

本体不替代你的 RAG：文档继续回答解释性问题，本体负责事实与行动。在 Ontoxiom 中，两者受同一套权限约束。

Question 3

本体和 GraphRAG、知识图谱有什么不同？

Accepted Answer

GraphRAG 用模型从文档中抽取实体和关系，关系是推断出来的，并停留在上次构建图谱的时刻。传统知识图谱多用于检索与展示。

Ontoxiom 的本体是可执行的业务模型：类型与关系由业务方确认并显式声明，数据由数据管道从业务系统持续同步，每次写入都经过校验；它还包含带前置条件与审批的动作，以及细到属性的权限。

Question 4

直接让大模型写 SQL 查数据库不行吗？

Accepted Answer

可以演示，但很难进入生产。模型需要猜测晦涩的表结构与字段含义，生成的 SQL 很难审核；更关键的是，直连数据库意味着权限只能靠提示词约束，写操作更不可控。

在 Ontoxiom 中，Agent 永远看不到表，只能使用八个语义工具，每一次调用都经过 Governor 授权与审计。

Question 5

和传统数据中台、数仓有什么区别？

Accepted Answer

数据中台与数仓主要服务于报表与分析，组织的是表和指标。本体组织的是业务对象、关系与动作，服务于人和 Agent 的日常决策与执行。

两者可以互补：数仓可以作为本体的数据来源之一，本体则为 AI 提供可理解、可执行的业务语义层。

Question 6

必须使用 Ontoxiom Harness 吗？

Accepted Answer

不必。Ontoxiom 通过 MCP、REST 以及 Python / Node SDK 开放，WorkBuddy、Claude、ChatGPT、Cursor 等主流 Agent，或者你自己构建的 Agent，都可以直接接入企业本体。

Harness 是我们提供的开箱即用工作台，适合希望快速让一线团队用起来的企业。无论通过哪种方式接入，权限与审计都完全一样。

Question 7

Harness 桌面应用支持哪些系统？手机上能用吗？

Accepted Answer

Ontoxiom Harness 桌面应用支持三个平台：Windows（64 位，Windows 10 / 11）、Mac（Apple 芯片）和 Mac（Intel 芯片），macOS 需 12 或更高。下载页会自动识别你的设备并推荐正确的安装包。

目前没有 iPhone、iPad、Android 或 Linux 版本。在手机上打开下载页时，可以把链接发到电脑上再下载；如果你更习惯在其他工具里工作，也可以通过 MCP 或 SDK 把 Ontoxiom 接入你已经在用的 Agent。

Question 8

需要替换现有的 ERP、MES 或 CRM 吗？

Accepted Answer

不需要。Ontoxiom 运行在既有系统之上，通过数据管道连接它们，并保留它们作为事实来源。你可以按字段声明哪个系统说了算。

Question 9

支持哪些大模型？

Accepted Answer

你可以接入自己选择的模型服务，包括在内网自托管的开源模型。本体与模型解耦：模型升级或更换时，业务模型与权限无需重建。

Question 10

我们有大量 PDF、Excel 和扫描件，能用吗？

Accepted Answer

可以。数据管道支持上传 PDF（含扫描件 OCR）、Excel、CSV 或直接粘贴数据，由模型按声明好的结构抽取与规范化，不需要为每种版式单独训练。抽取结果在发布到本体之前可以预览与复核。

Question 11

Agent 会不会越权，或者误操作业务数据？

Accepted Answer

Agent 拥有的权限不会多于对应的人。每个请求都先经过 Governor：拒绝优先、缺省拒绝，权限细到属性。

写操作只能通过预先定义的动作完成：先预览影响并取得检查凭证，需要审批的进入决策收件箱，执行要么完整生效、要么完全不生效。

Question 12

我们的数据会离开自己的环境吗？会被用于训练吗？

Accepted Answer

可以完全不离开。Ontoxiom 支持私有化部署，并可接入你自托管的模型。启寰不会使用客户数据训练任何模型。

Question 13

支持私有化部署吗？

Accepted Answer

支持。整套平台可以部署在你的机房、私有云或专属云环境中，并可在内网运行。

Question 14

如何知道 AI 做了什么？

Accepted Answer

每一次请求都会记录：谁、通过哪个 Agent、在什么时候、请求了什么、被哪条策略允许或拒绝、结果如何。对象的每一次变化都保留历史，可以回看任意时刻的状态。

Question 15

让 WorkBuddy、ChatGPT 这类第三方 Agent 接入，安全吗？

Accepted Answer

第三方 Agent 通过个人 API Key 接入，Key 绑定到具体的角色与业务范围，所有请求同样经过 Governor 并写入审计。它们拿不到数据库连接或系统凭据，只能做被允许的事。

若需要数据完全不出内网，可以搭配私有化部署与自托管模型使用。

Question 16

多久能看到效果？

Accepted Answer

典型路径是 1–2 周调研、4–8 周试点：试点结束时，第一个高价值场景已经在生产中运行，并有可量化的初期结果。实际周期取决于系统、数据质量与场景复杂度。

Question 17

本体建好之后由谁维护？业务变了怎么办？

Accepted Answer

本体属于你。每次变更都在草稿中进行、经审阅后以版本发布，可追溯。FDE 会在扩展阶段培训你的团队，让内部能够自主维护与扩展；我们也可以持续支持。

Question 18

FDE 是外包开发吗？

Accepted Answer

不是。FDE 是产品工程师，进入现场与业务团队一起建模和上线，交付的是平台上的本体、管道与 Agent 能力，而不是一次性的定制代码。目标是能力移交，而不是长期依赖。

Question 19

什么样的企业适合？

Accepted Answer

拥有多个业务系统（ERP、MES、WMS、CRM 等）、业务流程跨部门协作、并且希望 AI 真正参与执行而不只是问答的企业。制造、供应链、跨境贸易与物流是我们最常见的行业。

你可能想问的。

把你的业务，变成 AI 能理解的世界。