共 11 篇文章
以保全全套方案路径设计与核销转让项目审查两个真实业务场景为锚，用三份现行监管文件（财金〔2012〕6号、财金〔2013〕146号、银保监办便函〔2021〕26号及 2025 年延期通知）把业务流程拆成可建模的阶段与材料清单，给出场景导向本体的四层划分与知识图谱的三类边，并回答三个工程问题：自动化管线有哪些（pySHACL/RDFLib/OWL-RL 已核实版本与许可，LLM 参与构建的七条实证失效模式）、本体怎么快速落地（能力问题驱动、SHACL 把散文规则变成机器约束、账销案存给追踪闭环）、以及智能体自动运行与辅助决策的边界划在哪里（财金〔2013〕146 号的 20% 检查覆盖面与监管新增的自查审计要求）。
接续《资产保全智能体的本体论与知识图谱怎么配套建》，回答被反复追问的架构问题：本体论形成的资产究竟该作为智能体的 RAG 知识库，还是 skill？本文的答案都不是——本体资产有三种用法，对应知识在生成链上的三个不同作用点：作为检索的骨架（OG-RAG 实证召回率 +55%、正确率 +40%）、作为校验的约束（SHACL 形状是唯一能承载监管硬约束的层）、作为能力的目录（Knowledge-as-Skill 指出传统知识库把文档暴露为匿名文本块、智能体根本不知道库里有什么）。给出一个三问判据判断每项知识该放哪一层，并把两个业务场景各自的三层配比算清楚：保全方案路径设计是生成型任务，骨架与目录占大头；核销转让审查是判断型任务，校验层占大头。
Atlan 联合创始人 Prukalpa Sankar 推广的一篇长文提出：语义层（指标定义、计算逻辑、原始数据）没有推理能力，而大模型需要上下文图，因此指标优先的范式正在终结。本文完整解读其技术主张——YAML 能声明度量却无法声明逆属性、属性链、对称属性与传递推理，这是能力差异而非程度差异；并对照中国银行业的实际做三点校正。第一，监管已经回答了要不要建：国家金融监督管理总局金发〔2026〕8号（2026-06-18）第十一条明确要求构建核心知识模型、建立知识萃取整合共享机制流程，第八条要求强化元数据管理并构建数据资产地图。第二，瓶颈不是人手：上海银行公开材料主张组建本体攻坚特战队、从业务条线选拔骨干与科技架构师混合编组，并采用最小可行本体策略；该工种在中国银行业不存在任何岗位需求。第三，LLM 没有消除门槛：LLMs4OL 2024 挑战赛中，传统 ML 队伍在同一分类发现子任务（DBO）上 F1 为 0.2109，LLM 队伍仅 0.0164；能力问题正确建模率为 0.91 与 0.84（简单）、0 与 0.66（复杂）；LLM 生成的能力问题仅 40–53% 被领域专家判定为可接受。arXiv:2503.05388 证明“新手 + LLM 草稿”可超过纯新手水平，但交付物为草稿而非可投产本体——迄今仍无已发表研究证明无本体工程训练背景的团队交付过可投产运行的领域本体。本文同时标注作者的商业立场，并给出银行可执行的三步路径与能力问题清单。
『用 EDM Council FIBO 做资产保全本体建模』是一个不成立的命题。本文对 edmcouncil/fibo 仓库全部 295 个本体做逐词核查，给出可复用的确切边界（FND/FBC 基础层、Collateral 及其两个子类、CollateralValueAsOfDate、SecuredLoan、LenderLienPosition 的两个具名值、LegalProceeding、Servicer 角色、ECB ACTUS 监管分类映射），以及必须自建的完整清单（违约分级、催收、展期重组、止赎收回、核销、押品运营、查封完善与顺位瀑布）。文中给出 FIBO 委员会自己留下的书面证据——LoanDefaultProceeding 类的 skos:definition 字面写着『[no definition]』，并注明需要领域专家与流程建模；并拆解两个会导致错误结论的陷阱：FIBO 的 default 实为 ISDA 信用事件（CDS 触发机制，非银行信贷违约），以及全库 100 个文件命中的 collections 全部是 OMG Commons 的 SKOS 词汇假阳性。另附四个治理陷阱：Loans 从来不是 OMG 标准（仅四个 FIBO 规格在 2017–2018 年达到正式状态，且 2026 年 6 月全部进入 Pending Request for Retirement）、MIT 与 FIB-DM 商业许可的分层、Provisional 成熟度不可作稳定接口、以及公开案例全部与不良处置无关。
上一版文章建议『以 FIBO 类为父类添加银行口径子类』。本文用源码证据推翻该建议并给出替代设计。核心依据：FIBO 类 IRI 在 2025Q3→2025Q4 一个季度内移除 145 个（含CollateralAgreement 本身），旧 IRI 保留为带 owl:equivalentClass 跳转的 deprecated 桩——继承它不会报错，而是静默绑死在已废弃的分类轴上；且 FIBO 对 Release 级类无任何向后兼容承诺，类 IRI 不带版本号。本文给出三段式可落地设计：押品分类用 SKOS 分面 Concept Scheme（因FIBO 的 Collateral 只有物理/非物理二叉，单继承无法表达银行需要的法律性质、登记状态、估值方式、处置难度四个维度）；映射沿用 FIBO 自己的 ACTUS 范式（owl:imports + owl:NamedIndividual + cmns-dsg:denotes someValuesFrom 限制，全文不使用 rdfs:subClassOf）；顺位编码由银行自有，并显式声明映射有损。文中给出全部可落地 OWL 片段与经核实的 FIBO 精确 IRI，并标注三个必须避开的语义陷阱：CollateralAgreement 在两个命名空间下重复定义且其中一个已被移除、ContractThirdParty 的定义明确排除缔约方、AppraisedValue 是金额而非评估活动因而不含日期语义。
本文综述两篇 2025–2026 年的本体构建方法论文，并对照我们已交付的银行资产保全本体骨架，找出三处仍然缺失的环节。第一篇是 Jessica Talisman 的 Ontology Pipeline 框架（六阶段：受控词表、元数据标准、分类法、叙词表、本体、知识图谱，每阶段绑定具体 W3C 标准），第二篇是 ICEIS 2025 的《Pipeline for Ontology Construction Using a Large Language Model》，它把 ChatGPT 塞进 Noy & McGuinness 的 Ontology Development 101 七步法做经验报告，记录了每一步的失效模式。两篇都不提供 SHACL 形状的可复用模板，也不涉及能力问题。对照我们 657 三元组的银行本体骨架，识别出三块缺口：能力问题缺失、SHACL 约束缺失（我们的 mappingLoss 校验规则目前只是注释而非机器约束）、以及元数据标准与叙词表两层被跳过。本文同时说明我们为什么不用 LLM 生成 FIBO 映射——论文实证了 ChatGPT 会编造不存在的本体。
Draftwise CEO James Ding 在官方博客阐释了法律本体论（Legal Ontology）：以对象与关系而非文档组织法律知识，让经验可查询、可比较、可推理。法律行业的这一结构性变革，对金融业的风险管理、合规义务追踪与 AI 治理有直接借鉴价值。本文拆解原文概念，映射金融场景，给出落地路径。
从 context engineering 视角拆解银行组织级上下文：为什么它是银行智能体的可信大脑，包括数据/流程/监管/领域/工具五类内容，以及五步构建方法论与治理红线。
近期X平台热文《Graph Engineering explained》以'钻石模式（扇出-归约-合成）''检查器机制''舰队模式''锚点''伪边'等概念重新定义了多智能体工作流的组织方式。本文将其核心方法论与当前银行资产保全实践对照核查并落地映射：贷后资金穿透监控对应钻石模式的扇出归约，担保圈风险传染识别对应检查器的独立验证，不良资产处置对应舰队的并行协同，最终以'锚点'（监管规则、司法数据、资金事实）约束全链路。文中北仑农商银行、中原银行、常熟农商银行、北京银行、民丰农商银行及嬴图Ultipa等案例均经公开报道核实，违规纾贷资金流向规则的出处也一并标注。
深度解读北京大学DCAI团队开源的WorkSurface-Bench与WorkSurface-Build企业Agent评测基准：1,151个任务直面文档、表格、知识图谱三类数据入口，用Route/Evidence/Answer/Efficiency四维评分定位Agent失败环节，并探讨其对银行智能体工程落地的启示。
Chao Pih系统论述人工智能赋能零基预算改革的技术方案：以AI破解零基预算的'信息穿透难、审核博弈难、长短协同难'三大痛点，提出覆盖'项目储备→预算编制→预算执行→绩效评价'全周期的四阶段AI深度嵌入方案，以及算力底座、流程重塑、人才培养、安全可控四维实施路径。