上三条硬约束：单一信源是资料原文、每个本体和属性标注原文出处、产出过聚合根校验。让 AI 从行业资料或制度文档里产出本体可以，但约束缺席时它真能一本正经地瞎建------像模像样地画出一张经不起盘问的图。三条约束的存在，就是为了让业务专家敢在 AI 的产出上签字。
这三条约束是向量空间JBoltAI框架本体建模智能体的工程底线，下文逐条拆，文末给一份可带走的验收清单。
为什么AI建本体容易瞎建
本体建模的输入是企业资料：制度文档、流程说明、业务表单。AI 读这些资料提取概念和关系，产出本体模型。听起来顺理成章，坑在两个地方。
一个是幻觉迁移。模型带着训练语料里的通用常识读文档，会把文档里没有的东西"补"进去------行业里常见的概念、听起来合理的关系，混进产出里真假难辨。
另一个是粒度乱判。什么该建成本体、什么该是属性，这个判定需要业务语义，不是语言特征。"供应商"三个字在句子里和"供应商名称"长得差不多，但前者可能是独立的业务对象，后者只是订单上的一个字段。没有判定规则约束，AI 的选择全凭语感。
所以问题不是"能不能让 AI 建"，是"建出来的东西凭什么被采信"。约束就是信任的来源。
约束一：单一信源是资料原文
AI 产出的每一个概念，必须能指回资料原文------原文里没有的，不允许出现在模型里。
这条约束把幻觉的口子从机制上扎住。判定动作很朴素：逐个检查产出的概念，在原文里找得到出处就保留，找不到就剔除。它牺牲了一些"聪明"------AI 不能再发挥补充------换来的是产出物的每一块都有据可查。
信源单一还有个工程含义：资料本身要冻结。建模用的文档版本要定死，建模期间资料改版，产出就失去了对齐基准。先锁版本，再建模。
约束二：出处标注，证据可追溯
产出里每个本体、每个属性，都标注它来自原文的哪一段。业务专家审模型时，点开一个概念能看到它的出处原文------审的不是"这个概念合理不合理"，而是"原文是不是这个意思"。
这两个审法的差别是本质的。审合理性，专家靠自己的判断，见仁见智，吵不出结果；审出处，专家做的是比对，对就是对，错就是错。AI 建的东西能不能让业务专家签字，差别就在这一步------签字签的是证据链，不是感觉。
text
产出物条目样例
本体：供应商
属性：供应商编码 / 结算方式 / 准入状态
出处：《采购管理制度》§3.2 供应商准入与分级
原文片段："新供应商入库需登记编码、结算方式与准入等级..."
验收：专家比对原文片段 ↔ 模型定义，一致则过约束三：聚合根校验，本体还是属性
第三个约束管粒度。判定规则是聚合根检验：一个对象是不是本体，看它消失后，附属数据是否失去意义。
订单是本体------订单消失，明细、状态、交付记录全部失去依附。供应商编码不是本体------它只是订单或准入记录上的一个属性，订单还在，编码换一家供应商照样有意义。判定往下追问一层：这个概念有没有自己的生命周期、有没有别的对象引用它、删掉它会不会连带废掉一片数据。三个问题里有肯定的答案，它就配得上一个本体的位置。
python
# 聚合根判定的三问骨架# 人工复核用
def is_entity(concept) -> bool:
has_own_lifecycle = concept.standalone_records_exist() # 有独立记录？
referenced_by_others = concept.appears_in_other_objects() # 被他处引用？
cascade_orphan = concept.removal_orphans_dependents() # 删除后附属数据失义？
return has_own_lifecycle and (referenced_by_others or cascade_orphan)AI 按这个校验器过一遍自己的产出，该降级为属性的降级，该立为本体的保留------粒度不是语感定的，是规则定的。
交互形态：画布生长，每步可存
约束之外，交互形态也影响可信度。本体建模智能体带全套增删改查工具，以八种增量指令驱动：在聊天窗里说一句，画布上的节点和连线就逐步生长出来，每一步自动保存。
增量式生长的价值是过程可见。不是一口气生成一张大图让你盲审，而是你看着模型一条边一条边长出来，不对的当场喊停。模型的可解释性一半在结构里，另一半就在这个生长过程里。
产出不锁死在平台里：本体库支持拖拽引用与导入导出，语义资产随建随走。
边界：三条约束管不住的事
约束管的是产出的可信，管不了资料的质量------原文本身就含糊的段落，标注了出处照样含糊，这类地方要退回业务方澄清而不是让 AI 裁决。行业通用知识也进不了模型，单一信源把它挡在外面，企业如果需要通用基准本体，那是另一条建设线，与文档建模分开走。
给一份验收清单，接手 AI 建的任何本体模型时逐条对：
| 检查项 | 判断标准 |
|---|---|
| 信源单一 | 每个概念能指回冻结版本的原文 |
| 出处标注 | 逐条可跳转到原文片段，无裸概念 |
| 聚合根校验 | 本体/属性粒度过三问，无"语感级"判定 |
| 过程留存 | 增量步骤与保存记录可回放 |
| 资产可迁 | 本体库可导出，不锁平台 |
结论与要点回顾
AI 建本体不瞎建的底气来自三条硬约束：单一信源堵幻觉、出处标注建证据链、聚合根校验定粒度。业务专家签的字落在证据上，AI 的产出才从"看起来像"变成"经得起盘问"。
基于 JBoltAI 框架构建的双平台里，本体建模是本体语义平台的地基工序------地基的可信度，就是后面问数、跨系统查询可信度的上限。