系统是在某个边界内，由相互关联的要素及其关系构成，并在环境中通过持续运行和状态变化表现出整体行为的对象。

系统的重点不是“包含很多东西”，而是：

• 有哪些要素；
• 要素怎样相互作用；
• 哪些要素属于系统；
• 系统与外部环境怎样交换；
• 这些关系如何使整体产生某种行为、能力或结果。

例如，一堆汽车零件只是集合。零件按照特定结构连接，能够传递能量、控制方向、制动并运送乘客时，才构成汽车系统。

“系统”这个词是什么意思？

现代技术语境中的“系统”通常对应英文 system。

system 来自希腊语 systēma，含义接近“由多个部分共同组成的整体”。词根包含“共同”和“使之站立、组织起来”的意思。因此，它从一开始强调的就不是单个部分，而是多个部分怎样共同成立为一个整体。Etymonline: system

中文“系统”在日常语言中还有“全面、条理化”的意思，例如“系统地学习”。这是一种形容方式，表示内容彼此连接、形成完整结构。

本文讨论的是名词意义上的系统。

系统至少包含什么？

一个系统通常需要三个最基本的部分：

要素
+ 要素之间的关系
+ 系统边界

如果还要解释系统怎样运行，就需要继续加入：

状态
+ 变化规则
+ 环境
+ 输入与输出
+ 时间

对于人为设计的系统，通常还要加入：

目标
+ 约束
+ 评价标准

所以可以用一个分析式表示：

系统
= 要素
+ 关系
+ 边界
+ 状态变化
+ 环境交互

对于工程系统，还可以写成：

工程系统
= 系统结构
+ 设计目的
+ 运行约束
+ 评价标准

ISO/IEC/IEEE 的工程定义通常把系统描述为为了一个或多个目标而组织起来的相互作用要素组合。ISO/IEC/IEEE 42020:2019

但“具有目标”主要适用于工程、组织和行动系统。太阳系、生态系统或者气候系统可以表现出稳定规律，却不一定拥有主观目的。

要素为什么不能单独解释系统？

系统首先包含组成要素。

例如，一个在线内容发布系统可能包含：

• 作者；
• 文章；
• Markdown 文件；
• Git 仓库；
• 构建程序；
• 网站服务器；
• 域名；
• 发布权限；
• 搜索引擎；
• 读者。

但是，列出这些要素还没有解释系统。

真正重要的是关系：

作者 ──撰写──> 文章
文章 ──保存为──> Markdown
Git ──记录──> 版本
构建程序 ──转换──> 网页
部署服务 ──发布──> 网站
读者 ──访问──> 页面
搜索引擎 ──索引──> 内容

如果没有这些关系，它们只是同时存在的一组对象。

因此：

系统不是要素的清单，而是要素经过组织后形成的关系整体。

系统与集合有什么区别？

集合只要求成员被归在一起，不要求成员相互作用。

例如：

• 一个仓库里的一百把椅子，可以构成椅子的集合；
• 一支球队的球员、教练、规则、训练和比赛关系，构成一个球队系统；
• 一份联系人名单是人的集合；
• 这些人形成沟通、分工、权限和反馈，才可能构成组织系统。

可以这样区分：

系统也可以被看作一种集合，但它还具有关系、边界和运行结构。

系统为什么需要边界？

如果没有边界，任何东西都可以和整个宇宙发生某种联系，“系统”就会失去分析价值。

系统边界回答：

哪些要素和关系属于当前研究对象，哪些属于环境？

例如，研究一家咖啡店时：

• 分析出杯速度，可能包括顾客、点单、咖啡师、设备和排队规则；
• 分析盈利能力，还要包括租金、供应商、平台佣金和价格；
• 分析食品安全，还要包括仓储、温控、清洁和监管；
• 分析品牌，则可能包括社交媒体、顾客认知和公共评价。

咖啡店并没有突然变成不同事物。变化的是我们为了回答不同问题而采用的系统边界。

INCOSE 将系统环境理解为系统之外、但会与系统发生重要交互并影响系统的部分；理解系统需要同时界定边界和环境。INCOSE: Systems Thinking 101

系统边界具有两面性：

• 它是一种认识和建模选择；
• 它也必须服从现实中的因果关系。

不能为了让模型简单，就把真正影响结果的要素排除出去。

系统与环境是什么关系？

系统边界以外不是“无关世界”，而是环境。

环境可能向系统提供：

• 信息；
• 能量；
• 资源；
• 用户请求；
• 法律约束；
• 市场价格；
• 风险；
• 干扰。

系统也会向环境输出：

• 产品；
• 内容；
• 行为；
• 决策；
• 废弃物；
• 风险；
• 社会影响。

因此可以表示为：

环境
  ↓ 输入
系统内部处理
  ↓ 输出
环境发生变化
  ↓ 新输入
系统再次响应

大多数现实系统都是开放系统：它们与环境持续交换信息、物质、能量或价值。

“封闭系统”通常是为了研究而作出的理想化。它表示某类交换可以暂时忽略，不表示系统真的与外界毫无联系。

系统具有状态，并且随时间变化

系统不是一张静态结构图。

同样的要素和连接，在不同状态下可能产生不同结果。

例如，一个网站可能处于：

• 正常运行；
• 构建中；
• 部署失败；
• 域名解析异常；
• 内容已更新但缓存未刷新；
• 仓库提交成功但生产环境尚未发布。

这些状态决定系统接下来能够发生什么。

因此，理解系统还需要知道：

当前状态
+ 状态变化条件
+ 变化所需时间
+ 历史状态

系统行为可以表示为：

当前状态 + 输入 + 规则
             ↓
         下一状态 + 输出

时间延迟尤其重要。

例如，内容已经发布，搜索引擎可能几天后才完成索引。产品已经改进，用户认知可能几个月后才改变。把延迟误认为“系统没有反应”，会造成错误判断。

什么是反馈？

当系统的输出反过来影响后续输入或行为时，就形成反馈。

负反馈

负反馈抵消变化，使系统保持在某个范围内。

例如：

室温下降
  ↓
暖气启动
  ↓
室温上升
  ↓
暖气停止

它的作用通常是稳定。

正反馈

正反馈放大原有变化。

例如：

内容获得更多互动
  ↓
获得更多推荐
  ↓
接触更多用户
  ↓
产生更多互动

它可能带来增长，也可能放大错误和风险。

这里的“正”“负”不是价值判断，而是：

• 正反馈放大变化；
• 负反馈抵消变化。

系统还可能具有延迟反馈。反馈来得太晚，会导致系统过度调整、振荡或者失控。

系统整体为什么不同于部分相加？

人们经常说：

整体大于部分之和。

这句话表达了系统的直觉，但不够精确。

真正增加的不是某种神秘力量，而是：

部分之间的关系、组织和相互约束。

氢和氧按照不同结构组合，可以形成水，也可以形成过氧化氢。相同的人进入不同制度和激励结构，可能形成完全不同的组织行为。

系统整体呈现而单个部分不具备的性质，通常称为涌现性质。

例如：

• 单个水分子没有“水温”，大量分子的运动状态可以形成温度；
• 单辆汽车不会形成拥堵，大量车辆相互影响可能形成交通堵塞；
• 单个神经元不会独立产生完整认知，大量神经元的组织活动形成更高层能力；
• 单个用户没有市场价格，众多供需行为及制度共同形成价格。

系统生物学强调，研究整体能力时，必须把组成部分放回相互作用和整体约束中。Stanford Encyclopedia of Philosophy: Philosophy of Systems and Synthetic Biology

“涌现”并不意味着无法解释。它意味着解释不能只列出部分，还必须说明：

• 部分怎样排列；
• 怎样相互作用；
• 哪些反馈存在；
• 整体怎样约束部分；
• 行为怎样随时间形成。

系统一定有目的吗？

不一定。

需要区分三种情况。

人工设计的系统

支付系统、交通系统、内容发布系统和 AI Agent 系统，通常有设计目的。

但设计目的不等于实际结果。

一个推荐系统可能以提升用户满意度为目标，却实际优化点击率；提高点击率又可能带来沉迷、极化或者低质量内容。

所以还要区分：

宣称的目的
设计者的目的
系统实际优化的指标
系统产生的真实结果

生物系统

心脏具有泵血功能，免疫系统具有防御作用。

这里的“功能”可以通过生物结构和演化解释，并不要求心脏具有主观意图。

自然系统

太阳系、气候系统和河流系统呈现规律性行为，但没有必要假设它们在追求某个目标。

因此：

系统可以具有功能和稳定行为，不一定具有意图。

系统和结构、机制、流程有什么区别？

这些概念彼此相关，但关注的问题不同。

一个系统可以同时拥有结构、机制和流程。

例如，一个内容发布系统：

• 仓库、构建器和服务器的连接是结构；
• Markdown 被转换为 HTML 是机制；
• 写作、审核、提交、构建和部署是流程；
• 稳定发布并让读者访问是功能；
• 对整个对象的抽象表示是系统模型。

系统是研究对象，模型是我们对系统的表示。地图不是道路，系统模型也不等于系统本身。

系统与实体、本体论是什么关系？

“实体”回答：

我们正在谈论哪一个可以持续识别的对象？

“系统”进一步回答：

多个对象怎样通过关系和变化形成一个整体？

因此可以表示为：

实体：可被识别的对象
关系：对象之间怎样连接
系统：对象和关系怎样组织并随时间运行
本体论：系统承认哪些对象、类别和关系

一个系统本身也可以作为实体。

例如，“支付系统”可以被当作一个整体实体，拥有名称、版本、所有者、状态、服务范围和生命周期。进入它的内部以后，它又可以分成账户、订单、支付渠道、风控和结算等子系统。

所以：

在一个层次上是系统的对象，在更高层次上可以成为另一个系统中的组成要素。

关于实体与本体论本身，可以分别参见《什么是实体？从身份、指称到 AI 的行动对象》和《什么是本体论？从存在者到 AI 的领域模型》。

什么是子系统和系统的系统？

复杂系统通常具有层级。

组件
  ↓
子系统
  ↓
系统
  ↓
更大的系统

例如：

支付接口
  ↓
订单与支付子系统
  ↓
电商平台
  ↓
商业与物流生态

子系统在上一级系统中承担部分功能，但它本身也可能拥有内部要素、边界和运行规则。

多个能够独立运行、拥有各自管理权和目标的系统，再通过合作形成更大能力时，常被称为“系统的系统”。

例如城市交通可能连接道路系统、公交系统、地铁系统、导航系统、支付系统、交管系统以及出租车和网约车平台。它们不能简单由一个中心完全控制，却共同影响城市出行。

系统是真实存在，还是人的建模方式？

两者都有。

现实中确实存在相互作用、依赖、反馈和组织结构。交通拥堵、生态循环、组织协作和软件调用并非完全由观察者想象出来。

但系统的边界、层次和描述方式通常由研究问题决定。

例如，一个人可以同时被放进生物系统、家庭系统、企业系统、法律系统、经济系统和信息系统。这些划分不是说现实中存在六个互不相干的人，而是从不同关系观察同一个人。

所以系统具有双重性质：

关系和作用受到现实约束；边界和抽象层次由认识目的选择。

系统不是纯粹客观地摆在世界中的盒子，也不是可以任意划分的主观想象。

系统分析中隐藏着价值与权力

系统边界并不只是技术选择。

当我们决定：

• 谁属于系统；
• 谁只是外部环境；
• 什么被计算为收益；
• 什么被视为成本；
• 优化什么指标；
• 谁能修改规则；
• 谁承担外部后果；

我们也在作出价值和权力选择。

例如，一个配送系统如果只优化每小时完成订单数量，可能把骑手安全、等待压力和交通风险排除在评价之外。

从平台内部看，效率提高了；从更大的社会系统看，成本只是被转移给了其他人。

因此，系统分析不能只问“运行效率如何”，还要问：

系统为谁优化，谁承担成本，哪些结果被边界排除？

AI 中的系统是什么？

在 AI 中，系统通常不是单独一个模型。

以大语言模型应用为例，完整系统可能包括：

用户
+ 界面
+ 提示词和上下文
+ 大语言模型
+ 检索与知识库
+ 记忆与状态
+ 工具
+ 任务编排
+ 身份和权限
+ 运行环境
+ 日志与评测
+ 人工确认
+ 结果反馈

大模型只是其中负责部分推断和生成的组件。

OECD 把 AI 模型描述为 AI 系统的核心组件之一，而 AI 系统从输入中推断如何生成预测、内容、建议或决策，以影响虚拟或物理环境。OECD: Updated Definition of an AI System

NIST 进一步强调，AI 系统具有社会技术性质：结果和风险来自技术组件、使用方式、操作者以及部署环境的共同作用。NIST AI Risk Management Framework

大模型与 AI 系统有什么区别？

大模型主要完成：

输入 token
    ↓
概率计算与推断
    ↓
输出 token

AI 系统还要完成：

理解用户任务
    ↓
解析具体实体
    ↓
读取当前状态
    ↓
制定行动步骤
    ↓
调用工具
    ↓
检查身份与权限
    ↓
执行操作
    ↓
验证现实结果
    ↓
根据反馈修正

例如，大模型可以生成一篇文章。

但要把文章发布到网站，还需要：

• 确定目标文章和语言版本；
• 读取网站规范；
• 修改真实文件；
• 运行构建验证；
• 使用正确 Git 身份；
• 提交并推送；
• 等待部署；
• 检查线上页面；
• 验证 sitemap、canonical 和语言关联。

这些部分共同构成发布系统。

因此：

模型能够生成答案，不等于系统能够可靠地完成任务。

如何分析一个系统？

可以按以下顺序进行。

1. 明确研究问题。 究竟要解释、设计、改进还是评价什么？没有问题，系统边界就无从确定。
2. 确定边界。 哪些属于系统，哪些属于环境？边界为什么划在这里？
3. 找出要素。 包括人、物、软件、制度、规则、数据、资源和环境条件。
4. 画出关系。 谁依赖谁？信息、物质、资金和权力怎样流动？
5. 识别状态和变化。 系统有哪些状态？什么事件使它从一种状态进入另一种状态？
6. 找到反馈回路。 哪些结果会反过来加强或抑制原来的行为？
7. 检查时间延迟。 输入和结果之间有多长延迟？短期和长期结果是否相反？
8. 区分目标与指标。 系统真正想实现什么？实际优化的又是什么？
9. 检查约束和权限。 谁可以改变哪些部分？哪些规则不能由系统内部决定？
10. 检查外部后果。 哪些成本、风险和受影响者被排除在当前边界之外？

对“系统”的最终定义

可以把“系统”定义为：

系统是在一定边界和环境中，由相互依赖的要素按照某种结构与规则持续作用，并通过状态变化表现出整体行为、能力或结果的对象。

这个定义包含六个部分：

要素
关系
边界
环境
变化
整体行为

对于人工系统，还需要补充：

目的
约束
指标
权限
责任

系统不是“很多东西放在一起”，也不是一张漂亮的架构图。

真正的系统意味着：

部分的行为会影响其他部分，关系会改变整体结果，整体状态又会反过来限制各个部分。

理解实体，是辨认系统里有什么；理解系统，则是解释这些实体怎样共同运行，以及为什么最后产生了现在看到的结果。

参考资料

• Etymonline: system
• ISO/IEC/IEEE 42020:2019
• INCOSE: Systems Thinking 101
• Stanford Encyclopedia of Philosophy: Philosophy of Systems and Synthetic Biology
• OECD: Updated Definition of an AI System
• NIST AI Risk Management Framework

中文里的“实体”容易让人想到实体门店、实体经济或有形物品。但在哲学、信息科学和人工智能中，实体并不等于物质对象，也不只是一个名词。

实体是在某个讨论、认知或计算系统中，被赋予相对独立身份，因而可以被持续指称、识别、描述、关联、追踪或操作的对象。

这个定义的核心不是“摸不摸得到”，而是“能不能把它当作同一个东西继续谈论”。一个人是一种实体，一家公司可以是一种实体，一篇文章、一次会议、一份合同和一个虚构人物也可以成为实体。它们的存在方式不同，身份标准也不同。

“实体”究竟指什么？

现代哲学与技术语境中的“实体”通常对应英文 entity。这个词来自中世纪拉丁语 entitas，又与表示“是”或“存在”的 esse 相连。它原本接近于“某个存在者”或者“某个可以被算作某物的东西”。American Heritage Dictionary: entity

因此，entity 的范围远大于中文日常表达中的“实体物品”。它可以包括：

• 具体对象，例如人、树、手机；
• 社会和制度对象，例如公司、国家、账号；
• 事件和过程，例如会议、交易、学习；
• 抽象对象，例如数字、集合和命题；
• 心理状态，例如信念、欲望和意图；
• 作品和虚构人物，例如一部小说和小说中的角色。

哲学家不会一致承认这些对象都以相同方式存在。有些理论承认抽象对象，有些理论否认；有些理论把事件视为基本存在者，有些理论试图用对象及其变化解释事件。但只要一种理论允许某个东西成为指称、量化或者解释的对象，它就在某种意义上把这个东西当作实体。Stanford Encyclopedia of Philosophy: Object

实体不等于物体、实质或者真实存在

实体不等于物体

物体通常指具有物质结构和空间边界的对象。实体的范围更广。

一家公司没有像石头一样固定的物质边界，却可以有名称、法律身份、资产、权利、责任和生命周期。一次会议不是一件物品，却可以有参与者、时间、地点、议题和结果。二者都可以被系统持续识别，所以都可以成为实体。

Entity 不等于 substance

英文 entity 与哲学中的 substance 也不能直接等同。

entity 泛指可以作为某个存在者来讨论的东西。substance 则通常强调相对独立、能够承载属性或者构成事物基础的存在。事件、关系、数字和属性可以被称为 entity，却未必是传统哲学意义上的 substance。Stanford Encyclopedia of Philosophy: Substance

中文都可能把二者译成“实体”，所以阅读哲学文本时需要回到原词和具体理论。

被谈论不等于真实存在

福尔摩斯可以被明确命名、拥有性格、住所和人物关系，因此是文学叙事与知识库中的实体。但这不能证明现实中曾经存在一位对应的侦探。

至少要区分三个判断：

一个名称出现在文本中，只能证明文本出现了这个名称。它被模型识别为实体，也只说明模型作出了某种表示。现实存在需要另外的证据。

一个东西凭什么成为同一个实体？

实体概念最困难的部分不是给对象起名，而是确定它的身份。

一个人改名以后，通常仍是同一个人。一家公司更换员工和办公地址以后，法律身份可能继续存在。一篇文章修改正文以后，可能仍由同一条版本历史保持身份。一个商品更换包装以后，是否仍是同一 SKU，则取决于交易系统采用的规则。

这说明不同类型的实体具有不同的同一性条件：

名称不是身份。两个人可以同名，同一个人也可以使用多个名称。属性也不等于身份：人的年龄和地址会变化，却不因此每天变成另一个人。

更准确的实体表示通常需要：

身份标识
+ 实体类型
+ 属性
+ 关系
+ 时间与状态
+ 来源
+ 身份置信度

实体为什么离不开本体论？

实体不是脱离认知框架后自然摆放好的一张清单。一个系统必须决定什么值得被当作独立对象、对象分成哪些类型，以及什么变化仍允许它保持身份。

这已经进入本体论：什么存在，存在者有哪些类别，又如何保持身份和彼此关联。

实体是系统承认的某个存在者；本体论规定什么可以成为实体，以及这些实体怎样组织起来。

例如，“上海”在一份简单用户表中可以只是地址字符串；在城市知识图谱中则可能成为拥有行政区划、地理位置和人口属性的独立实体。不同表示没有脱离任务的绝对优劣，关键在于系统是否需要持续识别上海，并围绕它建立更多关系。

哲学本体论研究现实中有哪些存在者。AI 和知识工程中的本体，则把一个领域中的类别、实体、属性、关系和约束明确写出来。关于本体论本身，可以参见《什么是本体论？从存在者到 AI 的领域模型》。本文只保留与实体身份直接有关的部分。

AI 中的实体是什么？

在 AI 中，实体通常指系统为了理解、检索、记忆、推理或行动，而从文本、图像、数据库或现实环境中区分出来的对象。

但“实体”在不同任务中承担的角色不同。命名实体识别、实体链接、知识图谱、数据库和 AI Agent 谈论的并不是完全同一个层次。

自然语言处理先识别的是“实体提及”

看一句话：

苹果计划明天在上海发布一款新手机。

模型可能从中找出：

• “苹果”；
• “明天”；
• “上海”。

这些首先是文本中的实体提及，也就是看起来在指向某个对象的词语片段。

命名实体识别，Named Entity Recognition，简称 NER，通常负责找出这些片段并标注类型。例如把“苹果”标为组织，把“上海”标为地点，把“明天”标为日期。spaCy 的实体识别组件把这项任务表述为识别互不重叠并带有标签的 token 片段。spaCy: EntityRecognizer

但是，NER 只回答：

1. 哪段文字可能在指向实体；
2. 这个提及大概属于什么类型。

它还没有证明“苹果”究竟指水果、Apple Inc.、某个品牌，还是其他同名对象。“新手机”也可能只是一个产品类别，而不是已经拥有名称和身份的具体产品实体。

所以必须区分：

实体提及 ≠ 实体身份
实体名称 ≠ 具体实体
实体类型 ≠ 现实存在

实体链接把名称连接到具体身份

如果系统进一步判断句中的“苹果”指 Apple Inc.，并把它连接到知识库中的唯一标识，这一步称为实体链接。

文本中的“苹果”
        ↓ 消歧
Apple Inc.
        ↓ 规范化
知识库实体 ID：company/apple-inc

实体链接通常包含两个问题：

• 消歧：同一个名称在当前语境中指哪个对象？
• 共指与规范化：“苹果公司”“Apple”和“Apple Inc.”是否指同一个实体？

如果只识别名称而不确认身份，系统很容易把同名人物合并，或者把同一公司的不同写法当成三家公司。

实体链接仍然不是现实验证。链接成功只表示文本提及被连接到某条知识库记录。那条记录是否正确、最新，是否真的对应现实对象，还要检查来源和时间。

知识图谱把实体放进关系网络

在知识图谱中，实体通常表现为节点，关系表现为连接节点的边。

苹果公司 ──总部位于──> 库比蒂诺
苹果公司 ──发布──> iPhone
iPhone ──属于──> 智能手机

这里可以区分：

• 实体：苹果公司、库比蒂诺、iPhone；
• 类别：公司、城市、产品；
• 属性：名称、成立时间、发布日期；
• 关系：总部位于、发布、属于。

RDF 等知识表示方式使用“主体—谓词—客体”三元组描述信息。W3C 的 RDF 模型允许资源指向物理对象、文档、抽象概念和其他可以进入讨论领域的对象。W3C: RDF 1.1 Concepts and Abstract Syntax

本体规定哪些类型和关系可以出现，知识图谱则记录具体实体与事实：

本体：公司可以发布产品
事实：苹果公司发布 iPhone

类别、概念、实体和记录不是一回事

“公司”与“苹果公司”处在不同层次。

公司：类别或概念
苹果公司：一个具体实体
“苹果”：文本中的名称或实体提及
company_001：系统中的实体标识
数据库某一行：关于实体的一条记录

可以用下表进一步区分：

同一个实体可以有多个名称和多条数据记录。一条记录也可能同时混合多个现实对象。建立 ID 能够减少歧义，却不能自动保证数据正确。

什么时候应当把一个东西建模为实体？

并不是句子中的每个名词都必须成为独立实体。可以检查六个问题：

1. 它是否具有独立身份？ 系统需要区分这个对象与其他对象吗？
2. 它是否会被重复指向？ 不同文本、记录或任务是否会再次谈到它？
3. 它是否有自己的属性？ 是否需要记录名称、状态、时间或位置？
4. 它是否参与关系？ 是否需要表达它属于谁、影响谁或者与谁互动？
5. 它是否跨时间持续？ 属性变化后是否仍要把它视为同一个对象？
6. 系统是否会对它行动？ 是否需要查询、修改、发送、授权、购买、删除或追踪？

如果大多数答案是“是”，通常适合把它建模为实体。否则，一个属性值、标签或者临时文本片段可能已经足够。

行为、事件和状态也能成为实体吗？

语言中的名词、动词和形容词，与信息系统中的实体、事件、关系和属性并不一一对应。

“张三签署合同”可以先表示为关系：

张三 ──签署──> 合同

但如果系统需要记录签署时间、地点、版本、见证人和法律效力，就可以把这次签署建模为事件实体：

签署事件 E1024
├── 签署人：张三
├── 对象：合同 C36
├── 时间：2026-09-24
├── 地点：上海
└── 状态：已生效

同样，“意图”可以被当作一种心理状态；当系统需要记录是谁的意图、指向什么目标、依据什么证据推断、在什么时间成立时，也可以把一次意图判断建模为有来源和置信度的对象。

实体化是一种建模选择。它让系统能够围绕某个对象保存更多信息，也增加了身份、时间和一致性管理的成本。

大语言模型怎样表示实体？

标准大语言模型直接接收的是 token。它从训练数据和当前上下文中学习名称、类别、属性与关系之间的统计模式。

模型可能知道“Apple”经常与公司、产品、iPhone 和库比蒂诺共同出现，也能在上下文中区分它与水果。但这并不意味着模型内部必然保存着一条像传统知识库一样清楚、唯一并可查询的 Apple Inc. 实体记录。

模型参数中的知识通常是分布式和概率性的。因此，大模型可能：

• 在一个上下文中正确消歧，在另一个上下文中混淆；
• 把公司、品牌、产品和网站合并为一个对象；
• 记住旧属性，却不知道状态已经变化；
• 生成一个语言上合理、现实中不存在的人物或机构；
• 无法稳定说明某条事实的来源。

需要可靠行动的 AI 系统，通常不能只依赖模型参数。它还需要显式的实体系统：

语言模型
+ 领域本体
+ 实体标识与解析
+ 当前状态数据
+ 时间和来源
+ 权限与行动规则

语言模型负责理解模糊表达，本体规定对象类型和关系，实体系统确定具体指向，事实系统验证当前状态，权限系统决定可以对什么做什么。

AI Agent 为什么尤其需要可靠的实体身份？

看一个看似简单的提示词：

把昨天那篇需求文章更新到 Moonment。

系统至少要解析：

AI 即使正确识别了“更新”这一意图，也可能因为实体解析错误而修改错文件、操作错项目、使用错账号或者覆盖错版本。

因此，从提示词到行动通常需要经过：

原始语言
    ↓
实体提及识别
    ↓
类型判断与指代解析
    ↓
实体链接和消歧
    ↓
关系、事件与意图理解
    ↓
现实状态、来源和权限验证
    ↓
对确定实体采取行动

识别出名称只是开始。真正可执行的理解，必须知道它指向哪个对象、对象当前是什么状态，以及用户是否授权对它行动。

AI 能断定一个实体真实存在吗？

不能仅凭语言断定。

AI 可以判断一个表达看起来像人名、公司或地点，也可以计算它最可能对应哪条知识库记录。但现实存在需要外部证据，例如：

• 官方登记和权威资料；
• 当前数据库记录；
• 文件系统中的真实文件；
• 可验证的网站和接口；
• 身份与权限系统；
• 传感器或人工确认。

下面几步不能合并：

文本提到一个对象
≠ 模型正确识别它
≠ 系统找到对应记录
≠ 记录内容准确且仍然有效
≠ 现实对象当前存在
≠ 用户获准对它行动

大模型的置信度也不等于存在证明。它只描述模型在给定信息和计算方式下的判断强弱，不能替代证据来源。

如何检查一个 AI 系统的实体设计？

可以使用下面这组问题：

1. 系统中的实体类型有哪些，为什么需要它们？
2. 名称、类别、实体和数据记录是否被明确区分？
3. 每类实体的同一性条件是什么？
4. 别名、同名、改名和重复记录怎样处理？
5. 属性和关系是否带有时间与来源？
6. 事件和状态是否被错误压缩成静态属性？
7. 模型识别、知识库链接和现实验证是否分开？
8. 虚构对象、计划对象和现实对象能否区分？
9. 实体发生合并或拆分后，旧记录如何解释？
10. 对实体采取行动前，如何验证身份、状态和权限？

一个系统即使能抽取大量实体，如果没有稳定身份、时间、来源和权限，仍然无法可靠地连接语言与现实。

实体是语言通向行动的接口

实体可以把现实、语言、知识和行动连接起来：

现实中的对象、事件和状态
          ↓
语言中的名称与描述
          ↓
AI 识别实体、属性和关系
          ↓
系统连接到具体记录和现实证据
          ↓
理解需求、意图与行动对象
          ↓
在权限范围内执行并记录结果

实体回答的是“正在谈论谁或什么”。属性回答“它是什么样”，关系回答“它与什么相连”，事件回答“发生了什么”，意图回答“主体试图让什么发生”。

所以，实体不是一个名词标签，而是一项身份判断。它至少包含：

可区分的身份
+ 明确的类型
+ 可变化的属性
+ 与其他对象的关系
+ 时间和状态
+ 信息来源

AI 最危险的实体错误，不是漏掉一个名词，而是把一个模糊名称过早地当作已经确认身份、已经证实存在并且可以直接操作的现实对象。

参考资料

• American Heritage Dictionary: entity
• Stanford Encyclopedia of Philosophy: Object
• Stanford Encyclopedia of Philosophy: Substance
• Stanford Encyclopedia of Philosophy: Logic and Ontology
• spaCy: EntityRecognizer
• spaCy: Linguistic Features—Named Entity Recognition
• W3C: RDF 1.1 Concepts and Abstract Syntax
• W3C: OWL 2 Web Ontology Language Primer

本体论研究的是：

世界中有什么，这些存在者属于哪些基本类别、以什么方式存在、怎样保持身份，又彼此具有什么关系。

它最著名的问题是“有什么存在？”但列出存在者只是开始。完整的本体论还要说明：人、物体、事件、属性、关系、数字、公司和意图是不是同一种存在；一个东西发生变化后为何仍是同一个东西；某些存在能否独立成立，还是必须依赖物质、制度或人的共同承认。

例如，一块石头和一家公司都可以被说成存在。石头主要以物理结构持续存在，公司则依赖法律登记、组织规则、合同、人员和社会承认。二者都能成为实体，却拥有不同的存在条件与身份标准。

因此，本体论不是给所有事物寻找一种共同材料，而是研究现实中可以承认哪些存在者，以及它们构成怎样的总体结构。

“本体论”这个名称从哪里来？

英文 ontology 由表示“存在者”的希腊语词根 on、ontos 与表示研究或论述的 logos 构成，可以直译为“关于存在者的研究”。这个术语作为学科名称形成于近代欧洲，并不是古希腊已经固定使用的现代学科标签。Stanford Encyclopedia of Philosophy：Metaphysics

中文把它译为“本体论”，容易产生两个误解。

第一，它不只研究藏在现象背后的“终极本体”。现代本体论也研究普通对象、事件、属性、关系、社会制度、抽象对象与身份条件。

第二，它不只是寻找事物的“本质”。本质问题追问一个东西成为该种东西必须具有什么；本体论的范围更大，还要追问这种东西是否存在、如何存在，以及它与其他存在者是什么关系。

“存在论”有时更能直接呈现 ontology 的问题意识，但现代汉语学术表达通常仍使用“本体论”。理解这个词时，重点应放在“存在者及其结构”，而不是把“本体”预先理解成唯一、隐藏而不变的根基。

本体论包含哪些问题？

什么存在？

最直接的本体论工作，是说明一种理论承认哪些存在者。

有些理论只承认物理对象是基础存在，数字、价值或社会组织只是描述物理世界的方式。另一些理论认为，数字、属性、制度或心理状态也具有不能被简单消去的存在地位。

一套理论谈到电子、基因、意识、市场或者概率时，不只是使用几个名词，也承担了相应的存在承诺：它把这些对象当作解释世界时不可缺少的单位。现代哲学因此会把本体论理解为对“有什么”及其存在承诺的研究。Stanford Encyclopedia of Philosophy：Logic and Ontology

存在者有哪些基本类别？

本体论还要区分不同种类的存在：

这些类别不是一张已经得到所有哲学家同意的最终清单。争论恰恰在于：类别是现实自身的分界，还是人的认知与语言为了处理现实作出的划分？

它们以什么方式存在？

不同存在者可能拥有不同的存在方式。

• 物理对象依赖物质结构；
• 生物依赖生命过程；
• 公司依赖法律和制度；
• 货币依赖集体承认及支付体系；
• 一段软件依赖代码、运行环境和实例化过程；
• 一个虚构人物可以存在于作品和讨论中，却不因此成为现实中的历史人物。

所以，“能被指称”“被模型表示”和“在现实中存在”是三个不同判断。福尔摩斯可以是文学和知识库中的实体，但这不能证明现实中存在一位对应的侦探。

什么使它保持为同一个东西？

本体论还研究同一性条件：什么变化不会使一个对象变成另一个对象？

• 人改名后通常仍是同一个人；
• 公司更换员工后，法律身份可能继续存在；
• 文章修改正文后，可能仍由同一条版本历史维持身份；
• 商品更换包装后，是否还是同一 SKU，要看交易系统的规则；
• AI 模型更新参数后，是同一个产品版本，还是一个新模型，要看讨论采用的身份标准。

不同种类的实体需要不同的同一性规则。只有名称相同，不能证明两个记录代表同一个实体；属性发生变化，也不必然意味着旧实体已经消失。

它们怎样相互依赖？

本体论不只列清单，还研究依赖结构。

一次购买依赖购买者、交易对象、时间和交易关系。一家公司依赖制度，却不能被简单等同于任何一个员工。一种颜色可能依赖某个具有颜色的对象，也可能被理论当作可重复实例化的抽象属性。

这种问题关心的不是普通因果顺序，而是：如果支撑条件不存在，这种存在者还能否以原来的方式成立？

本体论与相邻概念有什么区别？

本体论与本质

本体论问：公司这种存在者是否存在，以什么方式存在？

本质问题问：一个组织要成为公司，哪些条件不可缺少？

本质可以成为本体论的一部分，却不能覆盖本体论关于类别、身份、依赖和关系的全部问题。

本体论与认识论

本体论问：有什么？

认识论问：我们如何知道？

“用户是否具有意图”首先涉及心理状态是否以及如何存在；“AI 如何根据提示词判断用户意图”则涉及证据、推断和知识边界。前者偏向本体论，后者偏向认识论。真实研究通常需要同时处理两者：先说明要寻找什么，再说明凭什么认为找到了它。

本体论与形而上学

二者高度重叠，但通常不能完全互换。

本体论集中研究存在者、类别、身份和基本关系。形而上学的范围通常更广，还讨论因果、时间、空间、可能性、必然性、自由意志以及现实的基础结构。本体论可以被看作形而上学的重要组成部分。

本体论与分类法

分类法主要回答“它属于哪一类”。本体论还要说明：

• 这些类别意味着什么；
• 类别之间是否互斥或包含；
• 实体能拥有哪些属性；
• 哪些关系可以成立；
• 什么规则限制这些关系；
• 依据什么判断两个记录是同一实体。

因此，拥有一棵类别树，并不等于已经建立了完整本体论。

AI 中的本体论是什么？

在哲学中，本体论试图说明现实有哪些基本存在者。在 AI 和知识工程中，这个概念被转化为一项更明确的建模工作：

用可共享、可检查的方式，规定一个领域中允许出现哪些类别、实体、属性、关系和约束。

Thomas Gruber 在知识共享研究中把计算本体描述为对一种概念化的明确规定：系统为了共享知识，需要共同的表示词汇，以及对类、关系、函数和其他对象的定义。A Translation Approach to Portable Ontology Specifications

例如，一个商业系统可以定义：

用户 ──具有──> 需求
品牌 ──提供──> 产品
商品 ──实现或包装──> 产品
商家 ──销售──> 商品
用户 ──购买──> 商品
用户 ──使用──> 产品
订单 ──包含──> 商品

这张图只是起点。系统还需要明确：

• “产品”是能力设计、具体型号，还是每一个实物？
• 价格属于产品、商品，还是一次报价？
• 同一产品由两个商家销售时，是一个还是两个商品？
• 商品下架以后，产品是否继续存在？
• 用户购买商品是否足以证明需求得到满足？

这些定义决定了数据怎样关联、模型怎样推理，以及系统究竟能对什么采取行动。

一个计算本体包含什么？

类别与个体

“公司”“产品”和“人物”是类别；Apple Inc.、某一款手机和某个具体用户是个体。

OWL 2 等本体语言把类理解为个体的集合，并通过属性表达对象之间或对象与数据之间的关系。W3C：OWL 2 Primer

属性与关系

属性描述一个对象，例如名称、状态和发布日期。关系连接不同对象，例如“任职于”“属于”“发布”和“购买”。

同一个信息可以有不同建模方式。“上海”可以只是用户记录中的字符串，也可以是拥有地理位置、行政归属和其他关系的独立实体。选择取决于系统是否需要持续识别并进一步推理这个对象。

公理与约束

本体论不仅列出允许的词，还规定哪些陈述能够同时成立。

例如：

• 每个订单必须有购买者；
• 已取消订单不能同时被标记为待支付；
• 人与组织是不同类别；
• 若“研究员”属于“员工”，系统可以推出每位研究员也是员工；
• 某个关系可能具有对称性、传递性或唯一性。

规则使系统能够检查矛盾并推出没有直接写出的结论。

身份与来源

现实数据经常出现同名异人、别名、重复记录和状态变化。本体需要与实体解析、唯一标识、时间和来源共同工作，才能回答：两个名称是否指向同一个对象，这条属性在什么时候成立，又由什么证据支持。

本体论不等于数据库结构

数据库结构规定数据怎样存储，本体论规定数据代表的世界是什么。

数据库可以有 product_id、brand_id 和 price 三个字段，却仍没有回答：价格属于产品本身、某个商品，还是一次随时间变化的报价。如果概念边界没有澄清，系统依然可以运行，但不同团队会逐渐使用不同口径，AI 也会在错误对象之间建立关系。

可以将两者区分为：

数据库模式：数据放在哪里、使用什么类型
本体论：这些数据指向什么、彼此为什么能够这样关联

一个本体可以由关系数据库实现，也可以由知识图谱、文档或程序类型系统实现。是否使用图数据库，不决定系统是否拥有清楚的本体论。

大语言模型有本体论吗？

大语言模型从文本中学习到大量隐含类别和关系。它可以生成“公司发布产品”“用户购买商品”这样的合理表达，也能根据上下文区分许多实体类型。

但模型参数中的知识通常是分布式、概率性的，不等于一套明确、稳定且自洽的领域本体。模型可能在不同上下文中：

• 把公司与品牌混为一谈；
• 把产品与商品当成同一个对象；
• 把名称直接当成已经确认的实体；
• 把语言中可谈论的对象当成现实中已证实的存在；
• 对同一概念采用不同身份条件。

因此，需要可靠行动的 AI 系统通常要组合：

语言模型
+ 领域本体
+ 具体实体与状态数据
+ 来源和时间
+ 权限与行动规则

语言模型处理模糊表达，本体规定系统承认哪些对象和关系，数据记录当前现实状态，权限系统决定可以对什么做什么。只理解“更新文章”这一动作还不够；系统还必须确定是哪篇文章、哪个语言版本、哪个修订，以及用户是否授权发布。

本体论是发现还是建构？

本体论既包含对现实的发现，也包含服务于任务的建模选择。

同一杯咖啡可以在不同系统中被表示为：

• 物理对象：液体、温度和容器；
• 商品：SKU、价格和库存；
• 营养对象：成分和热量；
• 消费体验：味道、场景和感受；
• 环境对象：原料、运输和碳排放。

这些模型关注不同关系，不能仅凭视角不同就说其中一个必然错误。但模型的用途也不能使所有划分都同样正确：错误合并两个身份不同的人、把一次报价当成产品永久价格、忽略时间和来源，都可能造成现实后果。

评价一个本体论，可以检查：

1. 它服务于什么问题？
2. 它承认哪些实体，又遗漏了什么？
3. 每类实体的身份标准是否清楚？
4. 属性、关系、事件与状态有没有混淆？
5. 规则能否支持所需推理？
6. 时间、来源和不确定性是否得到表达？
7. 模型修订后，旧数据怎样继续解释？

本体论是一张关于“什么存在以及怎样关联”的地图。它必须接受现实检验，却不能被误认为现实本身。

实体与本体论的关系

实体是一个系统能够持续指称、描述、关联或操作的存在者。本体论则规定：

• 什么可以成为实体；
• 实体有哪些类型；
• 怎样判断实体相同或不同；
• 它能拥有哪些属性；
• 它能参与哪些关系和事件；
• 哪些条件限制它的存在与变化。

因此可以用一句话概括二者：

实体是系统承认的某个存在者；本体论是系统关于哪些存在者可以被承认，以及它们怎样组织起来的总体说明。