企业官网建设流程全解析

没本体时，AI 是“对着表猜字段”；有 MetaERP 库存本体时，AI 是“在本体图上做受控推理”。

一、具体问答示例（同场景串起来）

沿用前面「5G基带芯片 MAT-IC-001 / 深圳中央仓 / 批次 L20260601」。

示例 1：问“可用量”，不再算错口径

用户问：

“深圳仓这颗芯片现在能卖多少？”

没本体的老做法​

直接查onhand_qty，可能把冻结、预留、待检都算进去，答“800pcs”，销售超卖。

本体驱动回答过程

1. 意图解析：识别“能卖”=AvailableToSell
2. 本体定位公理：

   AvailableToSell = onHand - reservedQty - frozenQty - qcHoldQty 且 StockStatus=冻结 → 不参与ATS

3. 沿关系图取数：
   OnHandQty → hasStatus → 合格
OnHandQty → changesQty → 领用事务(已扣200)
ReservedQty → 销售订单锁300
4. 输出：

   当前可用 500pcs（在手800，预留300，无冻结/待检），批次 L20260601，标准成本100元/片，可参与销售出库。

✅ 附带引用：用了哪条公理、哪个实例、哪个时间点快照。

示例 2：问“为什么成本是105不是100”

用户问：

“这批芯片出库成本怎么是105？不是标准价100吗？”

本体推理链（反向血缘）

销售出库事务 → costedBy → CostLayer(批次L20260601) → 关联入库事务 → generatedBy → 采购订单(PO单价105) → 标准成本100 + PPV 5 → 生成暂估凭证(借库存100k+PPV5k,贷应付暂估105k)

AI 回答：

本批按移动加权实际层核算，PO进价105，标准价100，差额走PPV。按本体规则，销售出库取成本层而非回查标准价，所以结转105。可展开凭证 202606xx。

👉 这是传统 SQL JOIN 很难一句话答出来的“业务因果”。

示例 3：问规则类问题（防幻觉核心）

用户问：

“冻结库存能不能先发货后解冻？”

本体约束命中

axiom: StockStatus=冻结 ⊑ ¬允许生成销售出库事务 axiom: 出库事务前置条件(status ∈ {合格, 可用})

AI 回答：

不能。本体公理 BR-INV-017 规定冻结状态禁止生成任何出库事务，系统会前置拦截，不走人工后审。如需发货，须先走“解冻审批”事件，状态变合格后再发。

⚠️ 这里不是模型“觉得不能”，是规则引擎硬约束，可审计。

示例 4：跨域追问

用户问：

“项目P001用的这颗芯片，财务账上算谁的资产？”

本体推导：

• OnHandQty(芯片, 项目P001, OwnerType=自有项目库存)→ 计集团存货
• 对比同物料OwnerType=供应商寄售实例 → 不计自有资产
  AI 直接区分两种视图，并给出对应 GL 科目。

示例 5：异常诊断类

用户问：

“深圳仓最近哪些批次账实差异超阈值？”

AI 动作：

1. 调本体InventoryTxn+CycleCount差异事件
2. 套公理|账存-实存|/账存 > 0.5% → 标红
3. 沿血缘回链到入库/转移/领用事务
4. 输出清单 + 可能原因（批次混放/序列号漏扫）+ 对应凭证

二、AI问答的运行机制（简化版）

用户自然语言 ↓ 意图识别（盘古类LLM） ↓ 映射成本体类/关系/公理（语义注册表） ↓ 生成查询计划（优先调本体API，其次白名单只读查询） ↓ 规则引擎校验 + 实时实例取数 ↓ 按公理链生成可解释答案（带引用路径）

写操作（如改状态、建预留）不走自由对话，必须走固定页面/审批流，避免 AI 越权。

三、前置条件（缺一个就会退化为“高级搜索引擎”）

1️⃣ 本体层前置（语义底座）

❗ 数据字典 ≠ 本体。字段类型说明不算，业务规则可推理才算。

2️⃣ 实例数据绑定（活数据）

• 本体类已绑定到 MetaERP 运行实例（不是空模型）
• 库存事务事件实时写入本体图（入库/领用/转移/盘点）
• 支持时间点快照（问答可指定“截至2026-06-30 24:00”）

3️⃣ 三体解耦已落地

• 实物量（INV）、价值（Cost）、凭证（GL）分别有本体域
• 跨域关系已建好（costedBy/postsTo）
• 否则 AI 会把“数量”和“金额”混着答

4️⃣ 规则引擎可调用

• 公理不是注释，是注册到推理引擎的可执行规则
• 支持规则版本管理（如新收入准则切换）
• AI 回答必须能挂规则ID，如BR-INV-017 v2.3

5️⃣ 权限与脱敏本体化

• 数据权限绑到本体类：如“门店仓看板”不可看成本层
• 问“成本多少”时，按提问人角色自动隐去或脱敏
• 避免 AI 越权吐出全集团存货成本

6️⃣ 语义注册表 + 工具目录

• 运行时注册表：类、属性、关系、API、规则全注册
• AI 编排层知道“查ATS调哪个API、查凭证调哪个服务”
• 工具调用白名单化，禁止裸拼 SQL

7️⃣ 主数据治理到位

• 物料编码唯一，无重复 SKU
• 单位换算显式声明（箱/片/卷）
• 批次/序列号主数据完整
• 否则“芯片”会映射到多个实例，AI 答案发散

8️⃣ 可解释与审计闭环

• 每次回答附带：对象ID + 公理ID + 数据快照时间 + 规则版本
• 支持“展开推理路径”按钮
• 满足财务/内控审计要求

四、对照表：有没有本体的差距

五、落地最小可行包（建议顺序）

1. 先建OnHandQty / InventoryTxn / StockStatus / CostLayer四类+关系
2. 落 3 条核心公理：ATS公式、冻结禁出、出库取成本层
3. 绑定深圳仓一个物料做试点实例
4. 接盘古做意图映射 + 规则引用输出
5. 跑通“问可用量/问成本来源/问规则”三类问题
6. 再扩到多组织、多币种、多账簿

一句话总结：

库存本体给 AI 的是“业务真理源”，不是“表结构说明书”。前置条件本质是“类+关系+公理+实例+权限+规则引擎”六件事都机器可读。