淘宝闪购本体平台:让人与 AI Agent 共用一份实时可信的业务知识

1. 摘要

本文系统阐述了淘宝闪购本体平台的核心设计目标和实现方案。该平台通过构建三层元模型(实体层、关系层、策略层),结合治理链路和查询链路,解决了数据口径对齐问题。文章详细介绍了平台的五个核心模块职责划分,以及从知识生产、变更发布到查询消费的完整流程。随后阐述了平台经历的三代架构演进,从读写分离到实时多模,最终实现了跨引擎拼装的统一。文章还讨论了平台的边界、能力上限以及后续演进方向,最后总结了四条核心承诺和四条避坑指南。

2. 主要内容

    1. 平台通过三层元模型构建业务知识
      实体层定义业务对象、语义数据集、表对象和指标;关系层统一边的定义方式;策略层包含术语、视角、事件、决策、方法论、行动和剧本七类,确保业务知识结构化可追溯。
    1. 治理链路确保知识定义的可信度
      通过版本化管理、审批流程和变更留痕,保证每一份定义都有明确的责任人和生效时间,解决了人与 Agent 获取一致口径的核心问题。
    1. 三代架构演进实现查询一致性
      从第一代的读写分离,到第二代的跨引擎拼装,再到第三代的实时多模,平台不断优化查询链路,最终实现了从离线到实时的知识同步。
    1. 平台只提供定义,不承担计算
      接口设计定位为知识定义服务,计算由业务系统负责,确保了责任边界清晰,避免了平台因计算问题导致的口径变更责任。
    1. 场景子图快照保证查询范围可控
      通过场景管理模块圈选子图快照,确保查询在特定范围内,防止 Agent 获取范围外的错误答案,同时明确知识的时效性边界。

摘要

数据团队做周报,最头疼的是对齐口径。譬如这周到底有多少订单,按下单时间算还是按支付时间算,一笔周日下单、周一付款的订单会落进不同的周。这两种算法都说得通,只是报表说明里写死了一种,业务负责人脑子里记的却是另一种; 写下来的总是少数,多数口径还得靠人记。

分析师遇到这个问题,找人问一句就能解决,但 Agent 没有这个渠道。它拿到一列数字,无法知道来自哪个指标、哪个版本、谁确认过。同一个问题,人得到的是“这次按支付时间算”,Agent 得到的只能是一次猜测。

淘宝闪购本体平台要解决的就是这件事:把业务对象、关系、术语、分析方法和约束组织成一份可版本化的知识,经确认与审批发布,再通过 Web、OpenAPI、HSF 与 MCP 交给人和 Agent。

光把口径写下来还不够,定义有没有被确认过、变更有没有被留住、查询跟不跟得上,这三件事才决定它能不能用。前两件在治理链路,第三件在查询链路,我们得先看清平台由哪几块组成。

3. 平台架构:三层元模型与单向派生链路

淘宝闪购本体平台的核心,建立在两样东西之上:元模型规定了业务知识能表达成哪几类对象、彼此怎么连、受什么约束;治理链路则决定了哪一版最终生效、由谁确认过。在这两者共同作用下,生效的那一版定义被统一存放在 MySQL 里,作为全平台唯一的事实源;下游所有的读模型全由它派生,最终通过四个入口对外提供服务。目前,这份事实源的规模已经达到了万级的节点与关系。

在平台的架构设计上,我们将整体能力拆解为五个核心模块。很多人在看这套架构时,最常问的一个问题就是:挖掘和质量、场景和服务,这两组模块的功能看起来有交集,为什么不直接合并成一块?

平台五大核心模块的职责划分架构图

原因在于职责的隔离。挖掘模块只负责产出候选,不判断对错;而质量模块是在候选变成草稿之后才介入的,命名不规范、缺归属、关系指向已废弃对象这几类问题,都会在这一步被退回。如果真的合并了,最常见的后果就是挖掘模块会开始“自我审查”:它知道自己产出的东西马上要被同一套规则卡住,就会只抽那些肯定能过的,覆盖面会先垮掉。

场景和服务也是同理。场景产出的是“范围”,服务产出的是“形态”。如果把范围硬塞进接口,就会长出一堆业务参数;如果把形态硬塞进场景,它就会退化成一份固定的查询模板。

管理模块则负责建模与治理,决定什么能最终生效。为了支撑这套体系,平台把元模型压缩到了三层,每层只用很少的几种类型。

实体层、关系层、策略层三层元模型结构图

第一层是实体层,定义业务里有什么。业务对象是商户、门店、订单这样的业务名词;语义数据集由指标和维度组成;表对象指向真实落库的表;指标则引用业务对象,再落到具体的表。

第二层是关系层,全平台只有一种边。起点、谓词、终点三样确定一条边。谓词取自受控词表,因此改谓词就等于换了一条边。

第三层是策略层,定义业务怎么做。包含了术语、视角、事件、决策、方法论、行动、剧本七类。它们各自回答一个问题,彼此不能替代。比如,事件是"单店退款率连续三天超过 5%“,决策是"把它放进复核名单”;前者判断要不要处理,后者决定怎么处理。

策略层术语、视角、事件、决策等七类对象关系图

在这三层之外,还有一类特殊的约束:公理。公理只划边界,不参与图遍历。

3E、1 Link、7S 的划分方式本身并不新鲜。如下所示,在业界,目前已经有四类主流做法(各自解决了一段问题,但也各自留下一段空白)。

方案 长于 落不到的地方
通用知识图谱(OWL + 图数据库) 类型与约束可形式化,标准成熟,校验与推理都有现成工具链 规范管得住怎么建模,管不住谁确认的、引用还对不对、范围外答不答
GraphRAG 把文本切成图再召回,能回答跨段落的问题 抽取结果由模型生成,校验落在抽取质量上,没有业务确认这一关
BI 语义层 指标口径稳定,取数与报表一致 只管指标,不管对象、关系与做法
商业本体平台(如 Palantir Ontology) 对象、关系、动作、权限一体,工程化最完整 实施重、绑定深,上线前要先把对象与权限的建模规范定下来

闪购本体平台选择了后两类方案的融合路径,即定义交给本体管理,关系交给图库做读模型,生效交给治理链管控。这套划分思想源头可以追溯到 W3C 的 OWL 与语义网体系。我们真正做的改动,是把“谁确认过”嵌入主链路,不只停留在规范层面。

三层结构确定之后,还需要三条流程将结构与分工串联起来:

• 知识生产:从文档到候选,再到草稿;

• 变更发布:从草稿经确认与审批,最终发布;

• 查询消费:从场景经检索与投影,最终交付给人、业务系统或 Agent。

这三条流程共用同一份数据与同一套权限点。落到数据层面,它们共同构成一条单向链路:上游是唯一的事实源,下游全是派生的读模型。

事实源到下游读模型的单向派生链路图

图数据库、倒排索引或向量索引损坏,都可以从事实源重建。但只要把读模型当源头用,改名、合并、回滚就得同时改两处;两边对不上时,没有第三方能判断谁对。所以平台只把读模型当派生物:按哪个口径算,仍由业务决定;平台负责让这个决定被写下来、被确认、被查到。这件事,最终靠治理链路兜底。

4. 生产与治理环节:从变更留痕到发布对账

审批只是治理链路的一个环节,真正的难点在于流程走完后的异常处置:回调丢失、并发修改同一字段、发布中途宕机。

知识生产与治理环节的流程示意图

变更主要来自两个方向,一是人工发起(表单、批量导入或接口提交),二是上游语义变更(如数据集换来源、指标改口径)。平台按影响面与规则明确程度分流,影响面小、规则清晰的字段受控自动更新;需人工判断的就转入草稿流程。

变更入口一多,语义冲突随之而来。我们以“有效订单”为例,它在数仓中是一个字段,在接口文档中是一段参数说明,在指标定义中是一串公式,在业务人员认知中则是一套未成文的约定。名称相同,边界与责任人却无法对齐。人工评审尚可拍板,但 Agent 拿到任何一份都会全盘接收。因此,草稿提交前必须查重,平台将已发布定义与在途草稿放在一起,按标识和名称双向比对。如果等发布后再合并,成本极高,脏数据也早已流入下游。

查重解决的是“是否为同一对象”,接下来要明确“本次变更的归属”。Owner 通过互动卡片确认,卡片绑定的是该变更最终生效的版本,而非草稿编号。绑错则确认记录挂错版本。

责任人明确后,方可进入审批,通过才能发布。这里有一条隐蔽但关键的时序约束:先落审批记录,再启动流程。若顺序颠倒,流程启动成功但记录写入失败,就会产生一张找不到对应变更的审批单,事后只能人工清理。平台的策略是:记录写入失败直接终止。

发布前还有一道合并校验。同一字段可能同时被线上、草稿和上游同步修改。平台将线上值、草稿值与基线值进行三方比对:三方一致直接放行;仅草稿变更则取草稿值;若线上与草稿均变更且不一致,则列出冲突交由人工裁决,绝不静默覆盖任何一侧。在并发场景下,字段级合并是唯一能清晰界定"改动意图归属"的工程手段。

需要注意的是,发布之后的环节容易被忽略。审批系统会掉回调,网络会超时,数据库会抖动。平台的做法是:状态仅由回调推进,拒绝前端轮询猜测;同时对未收到回调的单据进行定期对账,对审批通过却停滞在中间态的单据执行发布补偿。对账与补偿必须保证幂等——无论重试多少次,版本号只递增一次。

除了并发合并,改名的处理也同样棘手。业务对象改名后,引用它的关系、场景和接口说明极易断裂。平台将稳定标识与外部标识分离:稳定标识终身不变,外部标识可修改。改名时仅更新外部标识,引用方无需重写。

这里以门店周报的“有效订单数”为例,需将算法从按下单时间改为按支付时间,并排除测试门店。改动先入草稿,经责任人确认与审批通过后,发布前合并发现上游同步也修改了同一指标的过滤条件。两处变更不冲突但均需保留,最终由人工确认合并结果。上线以来,这套机制已累计处理 1477 张确认单,从提交到闭环平均耗时 3 个自然日;未确认单据每日晨间自动催办,因为领域 Owner 精力有限,等待必须有上限。在质量把控上,已纳入评分的对象覆盖率达 99.6%,其中 A 级占 98.3%。

门店周报有效订单数口径变更的处理流程示例

走完这一圈,人与 Agent 才算真正拿到了同一份定义。人在管理页看到定义、版本与责任人,Agent 通过接口读取同一条定义的已发布版本,差别仅在投影格式。发布前则不然:人能在草稿中预览新算法,Agent 只能读到旧版本。治理链路能厘清改动由谁发起、依据哪次审批、何时生效,但它不保证改动绝对正确,审批通过仅代表有人为此次变更负责。这条链路的责任止于发布那一刻,当事实源已更新为新版本,查询侧需等待同步完成后才能读取。

5. 查询与消费环节:从架构演进到可用性边界

5.1. 查询与消费架构演进:跨越三代的架构取舍

发布只是把数据写入了事实源,如果想要让业务和 Agent 真正查得到,查询侧还需要一套对应的架构支撑。从事实源到查询侧,底层引擎经历了三次迭代,但治理内核始终未变。第一代解决数据有无的问题,第二代关注排序的准确性,第三代才着手处理跨引擎拼装。理清了这条演进脉络,具体用的是哪个引擎,反而不那么重要了。

查询侧三代架构的演进路线图

评价一代架构的优劣,主要看四个维度:从发布到可查的延迟;能否按名称、语义或关系进行检索;多个读模型是否会导致数据新旧混杂;以及排障与容量成本。这四者有明确的优先级——新鲜度最核心,它决定了人与 Agent 看到的是否为同一份数据;表达力次之,决定业务能提出多复杂的问题;一致性再次之,决定出错时能否快速定位;排障与容量排最后,因为前三个是架构底线,而容量可以通过资源投入和工程手段解决。

5.2. 第一代:读写分离与离线建图

第一代的架构最直接,MySQL 既是事实源也是取数入口,DataWorks 在 ODPS 上按 ODS、DWD、ADS 逐层加工,DataX 按日将对象与关系批量同步至 GDB。取数查 MySQL,关系查 GDB,两个库各司其职,互不越界。

这一代解决的是数据有无的问题。业务需要查对象、看关系,用两个成熟组件拼装是最快的路径;读写分离、按日分区,出了问题也能逐层回溯到具体批次。

代价集中在新鲜度与表达力上,数据变更次日才可见,图库与业务库独立刷新,时间点还需额外对齐。查询仅支持名称与精确字段,业务口语、简称、同义词基本无法匹配:业务说"订单量",系统里叫"有效订单数",库里搜不到。更麻烦的是两库缺乏统一的身份体系。若要查询"这个指标关联了哪些对象",需先在图库定位节点,再回业务库捞取明细,两次查询由应用层拼接,任一侧未刷新就会导致结果错误。

5.3. 第二代:跨引擎拼装与读写分离

第二代补充了检索与明细两路读模型。MySQL 经 ODPS 分层加工后,同步至 GDB、OpenSearch、Hologres 三个读模型。OpenSearch 承担全文检索,由 BM25 倒排索引负责召回,精排表达式负责打分;GDB 承担关系查询,Hologres 承担明细与宽表,三份结果由应用层按对象标识拼接。这一代无需等待统一引擎成熟,召回与排序便能先行运转。

但补齐引擎不等于打通语义。OpenSearch 的召回仅有稀疏检索这一路:名称与 URI 进入 BM25 倒排索引,向量相似度仅作为精排表达式中的打分项,不参与候选生成。对于语义相近但字面对不上的查询,这一代没有召回路径,问题在于缺少稠密向量召回(dense retrieval)这一通路。

以一次"先搜名称、再展开关系"的查询为例,需同时访问搜索和图库两个引擎。若指标改名、数据集更换,搜索索引先刷新,而图库的下一批次尚未到达,两边数据对不上,用户查到的就是新旧混杂的说明。缩短批次间隔只能收窄窗口,无法消除。只要窗口存在,两个引擎各自都报成功,结果拼起来却对不上,核对就只能由应用层承担,最终靠人工比对索引、图库和应用层合并三处不同源的日志来定位。

5.4. 第三代:实时多模与流式同源

第三代将拼装逻辑收回数据层。MySQL 变更经 CDC 进入 Paimon,Flink 分两条作业处理向量与图同步,连接器将节点、关系和向量 MERGE 写入 NeuG。图遍历、BM25 全文、HNSW 向量三种索引共存于同一实例,应用层仅负责融合、范围过滤和可选精排。

在这条路径上,检索结果直接成为图节点:命中后无需换库、无需重新对齐身份,可直接从命中节点沿关系扩展,跨引擎拼装环节就此消失。

但复杂度并未消失,只是从应用层转移到了数据链路。流式投递带来至少一次语义,下游必须自行吸收重复数据;受图结构约束,节点必须严格先于边写入;一旦发生删除,变更需沿链路传播;若作业从检查点恢复,还需额外核对漏写与重复。向量与图的刷新节奏不一致,这种时间差会导致读取时的数据不同步;加上写入压力直接作用于读侧,容量存在硬上限。读写同实例还带来额外开销:批量回填与重建索引会占用查询的 CPU 和内存,用户能感知到变慢。平台目前的策略是接受这一现状,将重负载任务调度至低峰期。

第三代是设计上的终态,落地策略是双跑:同一批查询同时发往两套链路,比对对象集合与排序,差异收敛后再放量。双跑期间两套链路均需承担成本,换来的是切量阶段一旦出现问题,退回上一代只需修改一次路由。

三代架构演进下来,真正未变的是治理内核:对象、关系、版本、审批、审计始终只有一份。改变的只是查询链路:数据刷新频率、检索任务执行方、结果合并位置。换引擎不换治理,知识可信度也就不再依赖任何一代引擎。

维度 第一代 第二代 第三代
更新频率 按日 批量或增量,按批次 流式增量,图谱秒级更新,按场景启用
关系查询 GDB GDB NeuG 图遍历
全文检索 无 OpenSearch BM25 NeuG BM25
向量检索 无 仅参与精排打分 NeuG HNSW+外部 embedding 服务
明细 MySQL 直查 Hologres NeuG 明细
结果合并 页面按需 应用层编排 融合检索内一次出结果,主链路仍应用层编排
主要代价 新鲜度、表达力单一 多副本一致性、排障 流式复杂度、读写同实例、容量上限
现状 已退出主链路,GDB 在第二代继续使用 现役 部分替代,按场景并行

表里第三代的现状写的是部分替代,边界落在接口上。已经切过去的是三块:管理台的融合检索,三路召回都打 NeuG,融合在应用层做;场景发布后的闭包重算,走影子模式,固化结果仍以 MySQL 为准;明细查询,按标识直接在图上取行。还没切的是检索与关系查询两条主干:OpenAPI 的检索、MCP 与 HSF 的读接口仍然打 OpenSearch 与 GDB,宽表仍然打 Hologres。所以第三代当下只承担一部分查询,把这两条主干逐条切过去,才是这一代剩下的工程量。

前面提到,第三代把复杂度从应用层挪到了数据链路。这意味着,这一代的难点不在选型,而在如何把一条变更安全地写进图。引擎可以换,但写入路径换不了,这条路径必须跟底层数据库的变更节奏、幂等能力和恢复方式严格对齐。

5.5. 第三代引擎:实时写入时序与三路多模协同

这一代在写入侧的目标,是一个单实例的多模图数据库。这里的"多模",指的是三种索引建在同一份在线数据上:图遍历、BM25 全文、HNSW 向量,各对应一种查法。

一份节点数据同时进入图存储、倒排索引与向量索引,平台不再维护三份派生数据,也就不存在各刷各的、刷到一半状态不一致的问题。写入侧一致,是查询侧一致的前提。代价是链路变长:这条链路必须可重放、写入必须幂等、并且能从检查点恢复。这三个工程约束,不仅决定了故障之后能不能把数据补对,也直接卡死了容量到顶时能不能平滑扩容。

多模图数据库的写入链路示意图

5.6. 写入链路:节点先于边

在这条长链路上,第一处容易踩坑的是写关系的顺序。一条关系要落到图上,必须先找到两端节点;缺了任何一端,写入语句可能正常结束,实际什么都没写进去。这类失败不报错,只表现为“这条关系查不到”。平台的规避办法是让节点和边共用一个写入端,同一批写入里先处理节点,再处理关系。

5.7. 写入的幂等与时序挑战

与顺序问题相伴的,是重试带来的重复投递。平台依赖 MERGE 来吸收这部分冗余:基于固定标识重复写入后,图上仍然只有一个节点;如果是修改属性后再写入,按原标识也能读回新值;同一对端点重复写入,最终也只会保留一条边。因此,幂等不是一句口号,它必须在节点、属性、边这三个层面上同时成立。

解决了写入的正确性,下一个挑战是时序的一致性。索引与图不在同一刻就绪,所以平台给不出“发布即一致”的承诺。这种时序上的错位同样影响删除操作:源库物理删除后,不仅要确认删除事件传到了图里,还要检查原先指向它的关系是否被妥善处理。

除了上述的时序错位,数据漏写也是必须防范的隐患。漏写不只出现在故障恢复环节,日常作业同样会踩坑:如果作业跳过首次全量快照、直接从增量起点消费,监控会一直显示有进度,早已发布的对象却查不到。这类“看着在跑、其实漏了一截”的问题,比直接报错难排查得多。

为了守住上述所有环节的底线,部署层面还有一条独立约束:同一时刻只能有一个写入端持有“写租约”(即独占写入权限),避免两个写入端同时 MERGE 导致版本错乱。 旧端一旦故障失联,从租约超时作废到新端接管之间,会有一段变更进不来的空窗期,长短取决于续期与检测策略。 因此,平台只承诺写入最终会恢复,不承诺写入过程不中断。写租约解决的是双写冲突,而接管之后的容量与恢复速度则是另一回事。

5.8. 查询链路:三路协同与降级

一次查询牵动三段协同,而非三条通道各自为战:关键词与向量并行召回候选,图扩展以两者的候选集为种子,融合之后再进行可选精排。

关键词、向量、图扩展三路召回协同示意图

在融合环节,平台采用倒数排名融合(RRF)。三路通道的原始分处于不同尺度:BM25 随查询长度与语料分布漂移且无上限,余弦相似度限定于 [0,1],图扩展分则按跳数衰减。若采用加权求和,需为每路设计固定的映射与权重,且这组参数往往只适配特定问法,泛化成本极高。RRF 仅依赖名次,三路各自排名后直接按倒数名次累加,无需额外标定;代价则是舍弃了绝对分差,换取了跨查询的稳定性。当然,系统并未废弃加权求和,而是将其作为对比基线保留,支持按请求动态切换。

倒数排名融合 RRF 的打分计算示意图

融合之后最容易出问题的是精排环节:一旦超时或失败,直接返回空结果会让用户误以为平台没有这份知识。因此,平台会保留融合顺序,并在响应中标记降级状态。这个状态字段并非可有可无的备注,而是接口契约的一部分,它向调用方显式声明了“可用性优先于排序质量”的取舍,确保下游能基于真实的降级情况做兜底,而不是去盲猜。

精排决定了结果的排序质量,却决定不了查询延迟——后者在更底层的图存储设计时就已确定。由于命中的标识直接对应图里的节点,平台无需在应用层做 ID 映射,这不仅省掉了一次网络调用,更规避了"两个引擎指代不同对象"的潜在风险。以一次两跳的关联查询为例:如果放在应用层做广度优先,应用层需要不断向图库发起 RPC 调用,6 次网络往返加上序列化开销,累计耗时超过 5 毫秒;而把这段逻辑下推到图引擎内部,变成一次变长遍历后,应用层只需 1 次网络往返,总耗时仅需 1.58 毫秒,性能提升 3 倍。

然而,引擎内的遍历虽然快,但一旦在过滤逻辑上出偏差,就会带来更隐蔽的灾难。此前的排查中曾遇到一个典型案例:业务人员在图谱页面选择相邻对象查关联表时,能看到 381 个表对象;但调用方通过接口查同样两跳、目标类型设为表对象时,拿到的却是空列表。原因在于,接口当时只在最后一跳按类型过滤。交易订单连出的关系很多,系统先按返回条数截断了一部分,再往外查时,恰好截掉了通往表对象的路径。

这种“看着有路,实则截断”的返回,对 Agent 存在严重误导。给 Agent 一个空列表,它无从判断是图里确实没有这样的表,还是路径根本没有查完。原本是为了控制返回条数的性能保护,最终却变成了知识检索的盲区。

两跳关联查询中类型过滤导致截断的问题示意

每一种检索路径都有其能力边界(刚才的截断就是一例)。我们按不同的提问方式对照来看:

读者的问题 用到的能力 能保证 不能保证
我知道名称 BM25 全文检索 名称与关键词匹配 关键词相近不等于业务含义相同
我只知道大概意思 HNSW 向量近邻 找到语义相近的候选 相似不等于相关,仍需排序与人工核验
我想知道它和什么有关 图遍历 沿已建关系找到邻近对象 路径存在不等于因果,也不等于逻辑推理
我想一次查全 多模索引同实例 结果直接是图节点,免去跨引擎关联开销 多模同源不等于跨作业强一致快照

5.9. 效果评测:9511 条真实回放

三条路径组合起来效果如何,我们用线上真实查询回放来量化:将 2026 年 10 月生产环境里出现过的查询原样重放,比较融合检索与全局搜索基线的排序结果。回放集共 9511 条,分为两段:395 条页面检索与 9116 条 MCP 检索词。

评测首先暴露的是可用性差异。在 395 条页面检索中,旧链路有 16 条返回空列表,而融合链路为 0。这意味着在使用旧链路时,大约每 25 次提问就有一次拿不到任何结果。连结果都无法返回,排序质量便无从谈起。

9511 条真实查询回放的可用性对比图

在可用性达标的前提下,排序质量提升同样显著。回放数据显示,在页面检索的 Top-1 字面命中率上,融合链路达到 54.2%,全局搜索基线为 42.8%;在 MCP 检索段,两者分别为 14.5% 和 11.7%。最终,融合链路的综合评分为 0.5103,优于基线的 0.4585。

融合链路与全局搜索基线的排序质量对比图

但只看排序分,会掩盖另一层真相:失败样本并非均匀分布。在 395 条页面检索中,有 181 条在两套链路的候选里都没有字面命中,占比高达 45.8%。对于这批样本,排序策略是无效的,因为两侧本来就没有召回候选。

进一步拆解这 181 条样本,问题集中在四类场景:

• 中文短语与行业口头叫法(137 条)

• 含空格混排(18 条)

• 技术串与表名(14 条)

• 拉丁缩写代号(12 条)

由此可见,归因不在排序,而在语料——别名没有归一、指标定义缺失。这类问题只能回到本体去补充内容,单靠调权重是解决不了的。

5.10. 系统边界与当前上限

系统的边界首先体现在部署与容量层面。

读写干扰是第一个约束。写入对读取的实际影响,只能通过混合负载压测来量化。数据显示:空载时详情查询的 p99 为 54 毫秒;当起两个写入端持续做节点与边的 MERGE、每秒处理 11.6 条语句时,p99 升至 119 毫秒。读取性能并未被拖垮,但余量仅剩一倍多。在写入量翻倍之前,容量必须先行扩容。

单点瓶颈是第二个约束。单实例架构没有在线只读副本,容量到顶时,既无法通过增加副本分摊压力,也无法通过降级查询来绕过。

除了容量约束,数据语义上的时序错位同样无法回避。向量与图不在同一刻就绪:向量由另一条作业先算,再并回同一次写入;并回之前,节点要么没有向量,要么还是上一版文本的向量,要等下一次变更或回填才补上。因此,系统对外只能承诺“发布后可见”,无法承诺“发布即一致”。此外,删除与恢复机制决定了运维动作不能只盯着源库:源库删除了,图里可能依然存在;检查点恢复后,也可能出现漏写或重复。

这些约束共同构成了当前系统能力的真实上限。

5.11. 后续演进:容灾底座与规则评估

读写同进程且缺乏在线只读副本,是这一代架构的固有短板。下一步优先落地周期检查点与冷备,待恢复路径跑通后,再评估引入只读副本。在没有恢复机制的前提下直接上副本,只会将风险延后,而非消除。

在规则挖掘侧,挖掘规则一旦修改,产出的候选就会随之变化。目前全靠人工预审兜底,尚未建立明确的准入标准。下一步需要建立一套评估集与准入规范。评估题目应从线上真实问题中抽取,因为自造题只能验证已知场景。同样地,检索侧的首版人工标注集已经就位,足以支撑回归测试,但尚不足以作为上线准入的依据,目前主要缺失的是负样本与同义改写问法。

这两项基础工作,直接决定了系统能在多大程度上交由机器自动决策。而系统最终是否"用得对",则取决于业务语义本身的完备度。

5.12. 第三代引擎:子图的可用性边界与场景圈选

跨过“查得到”这道门槛后,一次查询要真正“用对”,还需满足四个要求:范围准确、顺序合理、证据完整、上下文可控。这些要求不能交由调用方自行拼装,在架构上分三处落地:范围由场景对象管理,顺序由检索策略约束,证据与上下文则由响应契约来承载。

场景子图快照的圈选流程示意图

5.13. 圈定范围:用子图快照对抗模型变更

查询范围由场景决定,而场景在平台上是可管理的对象。服务页中设有场景管理模块,一个场景即一份范围配置:包含圈选条件、子图快照,以及仅限该子图的访问凭证。具体做法是,先在图上圈选策略对象作为种子,沿关系扩展至实体对象,最后固化为子图快照。快照的核心价值在于稳定性,同一个场景今天和下周查到的必须是同一批对象,不能因为底层模型被他人修改,导致范围发生无声偏移。以零售商品定价场景为例:圈选起点 35 个,边界将 907 个实体对象收窄至 51 个,10709 个策略对象收窄至 1488 个,快照内合计 1539 个节点、4398 条关系。

零售商品定价场景的圈选范围示例

圈选最容易出错的地方不在算法,而在条件逻辑。一个场景常由“所有对象”与“某业务线”两个条件组构成,组间是并集(OR),组内才是交集(AND);若将两条限制写进同一组,交集会把方法论、行动等整批切掉,而预览里仍保留着几百个节点,极难察觉。另一处是遍历方向:正向扩展不会带入反向引用,需用两跳反向查询补齐,而反向侧存在 20000 个节点的封顶限制,超限即会静默截断。因此,圈选必须算尽完整的子图,预览也必须能直观看出封顶是否被触发。

子图圈选的条件组与遍历方向示意图

快照的代价体现在时效性上。底层模型一旦修改,快照不会自动跟随更新。在重算的空档期内,新加的对象查不到,删掉的对象却依然存在。为此,平台将快照的生成时间一并带入响应,让调用方明确知晓这份范围的时间截面。

5.14. 守住边界:范围约束优先于召回数量

超出范围的查询会直接返回不存在,平台绝不会隐式将查询扩大到全库。因为 Agent 拿到范围外的答案会直接信以为真,人至少能在页面上通过场景标识判断这条知识的来源。

在范围内,检索顺序是固定的:先按名称或语义定位对象,再沿关系展开,最后获取明细;顺序倒置,后一步便失去可靠输入。这个顺序并非主观臆断。在 395 条页面检索中,纯关键词有 258 条无结果,加入向量召回后全部找回(找回指候选集中有结果,不等于原词出现在结果中);而在此基础上叠加图扩展,找回数为 0,甚至会将被命中的目标挤出前列。这说明图扩展解决的是覆盖面,而非召回率,绝不能将其作为兜底方案。

5.15. 上下文交付:证据链无损传递

拿到准确的定义,不代表调用方就能“用对”。一条结果至少要能回答四个问题:这是哪个对象、生效的是哪一版、上一次由谁确认、当前由谁维护。这四项在底层库中都是现成字段,难点在于如何将它们无损地传递到响应中。中间任何一层如果为了压缩响应体积将其裁剪,调用方就只剩一个名称加一段描述,看似完整,实则无从核对。

因此,Agent 侧必须多做一件事:按上下文预算裁剪返回。默认仅提供摘要,全量字段由调用方显式声明;响应中需附带提示,说明还有哪些字段未取、下次如何补全。模型上下文存在硬性预算,若单次返回包含数百个字段的对象,不仅会耗尽预算,还会挤占其他关键证据。以门店周报为例,Agent 的读取顺序是:先读基础约束,再读指标定义,然后读对应的表对象与取数口径,最后展开相关对象。而人打开页面时,看到的是定义、版本、责任人、引用它的报表与接口。入口不同,路径不同,但最终指向的实体是一致的。

平台能保证 Agent 拿到已生效版本,并知晓自身所处的检索范围;但无法保证 Agent 一定用对,也无法保证模型不会将定义解释歪。要解决后两个问题,需依靠提示词、评测与业务复核。平台能做且必须做的,是将可核对的证据链完整交付。

6. 架构盘点:落地成果与演进决策

至此,可以对整体架构做一次盘点:平台落地了什么,各自付出了什么代价,哪些事不该由它接手,哪些经验可以沉淀复用。

平台架构盘点与能力账目图

6.1. 接口账目:只提供定义,不承担计算

对外的四个入口,对内是一张严格对齐的能力清单:18 个方法在四端一一对应,其中 7 个只读、11 个写入。同一份定义从四个入口输出,内容、权限点与审计必须完全一致,差异仅存在于三处:鉴权、参数解析与响应投影。

在这套接口的定位上,平台做了一个刻意的取舍:只保证定义和版本的准确性,在计算能力上做收敛。平台可以返回指标的定义、维度和取数口径,但不会直接给出“这周的有效订单数是多少”这样的最终结果。因为一旦接口开始承担计算,平台就要为算出的结果负责,口径变更、上游回刷、时区差异这类问题,最终都会变成平台的问题。将计算留给业务系统,责任边界才足够清晰。

这种边界感,从实际的调用数据中也能得到印证。在同一个 28 天窗口里,12 个业务应用接入了生产环境,业务侧调用合计 29637 次,占平台总调用量的 5.4%。其中,头部两个应用(销售侧的智能洽谈助手和区域经营分析助手)合计调用 19929 次,占业务侧调用的 67%;再往后是商家营销与商品定价方向的两个应用,分别为 5402 次与 3661 次;其余八个应用最多的也仅有 158 次。

这组数据反映出两个事实:一方面,真实需求高度集中在少数几个分析场景,长尾极薄;另一方面,业务侧仅占总调用的 5.4%,说明平台当下的流量主体仍是上游语义平台的自动同步。而在业务侧这批成功率 99.5%(29483 次)的调用中,近 28 天最高频的 12 个检索词里,有 7 个是补贴与价格口径。其中,单品到手价目标匹配 1892 次,出资 628 次,阶梯暴涨 600 次,门槛 494 次。被高频检索的,恰恰是业务口径中最容易产生歧义的部分。

6.2. 核心承诺与工程代价

回到架构设计本身,能力账目图列出了平台的四条核心承诺,每一条都有其必须支付的代价。

• 单一生效版本(单一事实源):同一份定义只有一个生效版本,人与 Agent 读到的绝对是同一份。代价是版本内容从 Git 仓改存数据库,换取了强一致性与低发布延迟,但失去了分支与回放能力,差异视图需自行实现。

• 每次变更留痕:谁改的、改了什么、何时生效、依据哪次审批,全部可追溯。代价是写入口收敛为一个,幂等仅需实现一次,但该入口位于关键路径上,必须自带对账与补偿机制。

• 读模型可重建:事实源只有一份,图库损坏可从零重建。代价是图、倒排、向量三种索引均由同一次写入派生,写路径只能串行,且缺乏在线只读副本,容量存在硬上限,高负载任务只能排至低峰期。

• 范围可限定:查询被限制在场景内,范围外的答案绝不会伪装成范围内的结果返回。代价是场景快照优先,模型修改后需等待下一次圈选才生效。

四笔代价中,第三笔的约束最强。前两笔的代价尚可接受,第三笔付出的却是硬性的运维限制,前文提及的 p99 数据即是印证。

此外,有两项能力平台不予覆盖:其一,图遍历不等于逻辑推理,沿关系找到路径不等于能推出结论,形式化推理需单独实现;其二,本体建模虽属于平台的核心建设范畴,但模型本身并不直接等同于业务判断。平台负责定义知识与约束,并保障其准确性与可追溯性;而能否让使用者(或 Agent)将这些知识转化为实际的业务价值,则需要平台与业务侧共同完善、持续迭代。

6.3. 避坑指南与选型标准

尽管上述代价与边界是当前平台的具体约束,但沉淀下来的这四条经验,换一套系统同样成立。

• 身份与地址分离:不可变标识做身份,可读地址做引用,这在任何具有引用关系的系统中均成立。

• 将约定做成构建门禁:在构建时检查能力是否已真实接入,而不只是检查代码语法。在产物出口拦截静默退化,成本比上线后排查低一个数量级。

• 数字必须带口径:数据在哪运行就标注哪,生产库就写生产库;代理指标不能写成相关性结论;平台只输出自己能归因的量,不认领业务侧的收益。

• 选型先看场景窗口,再看引擎能力:变更到可查能容忍多久、查询是否需要跨引擎拼装、是否出现过跨引擎数据不一致的事故,这三个问题应排在引擎性能之前。

前文的评估维度与治理原则,加上这四条经验,构成了下文这棵决策树。架构升级的触发条件应当是观测到的真实事故,而非新引擎的跑分。

架构升级的决策树

7. 结语

过去,业务知识以文档为载体,这背后隐藏着一个默认假设,即只要打开,就是最新版本。在人读文档的年代,这个假设可以成立,因为人会自动核对版本与上下文。但眼下 Agent 不会,它可能读到了上一版的定义,却对此毫无察觉,这个默认假设彻底失效。知识必须从“文档”演变为“可引用、可追溯的定义”。

判断一套知识是否具备“机器可读性”,只需追问三个问题:这一版是谁确认的?发生变更后,引用的上下游是否能感知?超出范围时,它会不会给出错误答案?这三个问题能答上几个,就决定了这套知识能被信任到哪一步;如果一问三不知,那不过是把静态文档搬进了数据库而已。

回到门店周报的场景,业务逻辑本身并没有变。Agent 现在能精准查到口径、版本、确认人和场景范围,但它依然查不到“这周该看哪个口径”。这个边界并非能力不足,而是系统分工的必然。业务口径必须由业务侧拍板,而平台的核心职责,在于让每一次拍板都留下清晰的审计痕迹:生效的是哪一版、由谁确认、从何时开始生效。