Agent 系统为何需要本体论
从 Frank Coyle 的洞见到 AI4Science 的神经-符号融合趋势

🎯核心论点：两条谱系的收敛

Coyle 在演讲开篇即点明结构：当下 agent AI 的爆发不是凭空而来，而是两条独立谱系在 2026 年的汇流。

谱系一：agents。可追溯到 AI 的奠基期——John McCarthy、Selfridge、Marvin Minsky 的《Society of Mind》。1956 年达特茅斯会议命名"artificial intelligence"后，agent 的概念逐步演化为"感知—决策—行动"（perceive, decide, act）的实体。Coyle 强调，这正是我们今天在 Claude、AutoGPT、Devin 等 agent 系统中看到的形态。

谱系二：ontologies。更古老——可追溯到亚里士多德的"范畴论"（categories of being），后经哲学家 W.V.O. Quine 形式化，最终在 1993 年由 Thomas Gruber 给出计算机科学界的经典定义。Coyle 指出，这与今天的图数据库（graph databases）和知识表示（knowledge representation）一脉相承。

收敛点：neuro-symbolic AI。Coyle 的核心命题是：当下正在发生的是"概率性的 agent/LLM"与"形式化的本体表示"的收敛，他称之为 neuro-symbolic AI——神经网络 tied into 符号 AI（规则系统、知识图谱）。他认为这是"让 LLM 保持在 guardrails 上"的根本路径，因为 LLM 本质上是概率性的。

AI4Science 推论：这一收敛在 AI4Science 中尤为关键。生物医学知识天然是符号化的——基因本体（GO）的 is_a 层级、ChEBI 的分子分类、疾病本体（DO）的表型树——而蛋白结构预测、分子生成、亲和力打分则是概率性的。一个可靠的 AI4Science agent 必须同时具备两层：用 LLM 做假设生成与自然语言推理，用本体做形式化校验与约束。本站已解读的 Nesso-1、Diff-Switch、Boltz-2 等模型，其输出之所以可被科学社区信任，正是因为它们隐式地依赖了化学与蛋白领域的"shared conceptualization"——只是这种依赖目前大多是人脑中的，而非机器可读的本体。

🧠幻觉即特征：从 bug 到假设生成

Coyle 提出一个反直觉命题，值得逐字引用：

"People worry about hallucinations, but that's the feature. That's actually a feature of large language models. It's who we are. We hallucinate in a way. We imagine things that may not exist, and then we turn them into reality. And that's what large language models do."

这不是为 LLM 的不可靠性开脱，而是重新定义了"幻觉"的认识论地位：人类科学发现本身就是一个"幻觉 → 验证 → 现实化"的循环。Kekulé 梦见蛇咬尾巴后提出苯环结构；Mendeleev 在扑克牌排列中"幻觉"出未发现元素的性质——这些都是"想象不存在之物，再将其变为现实"的范例。

AI4Science 推论：在 AI4Science 中，"幻觉"等价于"假设生成"（hypothesis generation）。一个蛋白设计 LLM 提出"可能存在一种结合 PD-L1 的全新折叠"——这是幻觉，也是科学假设。问题不在于是否幻觉，而在于是否有 ledger 校验。Coyle 的论点暗示了一个设计原则：不要试图消除 LLM 的幻觉（那会扼杀假设生成能力），而要在幻觉输出与执行之间插入一个基于本体的 validator。这正是后续"Pydantic at the door, ontology at the ledger"的哲学基础。

📐Gruber 定义与科学共同体的"shared conceptualization"

Coyle 引用 Gruber 1993 的定义作为整场演讲的概念锚点：

"An ontology is a formal specification of a shared conceptualization."

他解释道：我们要给 agent 的，正是"我们对宇宙、我们的领域、我们的概念化"（our conceptualization of the universe, our universe, our domains）。

AI4Science 推论：这个定义几乎是为生物医学共同体量身定做的。Gene Ontology Consortium 二十余年的工作，本质就是把全球生物学家对"基因功能"的 shared conceptualization 形式化为机器可读的 is_a / part_of / regulates 关系图。ChEBI 把化学家的分子分类共识形式化；Disease Ontology 把临床表型共识形式化；Uberon 把解剖学共识形式化。这些不是"数据库"，而是 Gruber 意义上的本体——它们的存在使得"把人类科学共识交给 agent"成为可能。Coyle 的论点隐含一个判断：AI4Science agent 的上限，不取决于 LLM 的参数规模，而取决于其背后本体的覆盖度与形式化质量。

🕸️图数据库 vs 关系数据库：生物医学知识的天然形态

Coyle 用一个工程对比说明为何本体必然以图结构存在：

关系数据库（relational database）把数据塞进表格，要加新东西就得加新列、重构整个 schema。而图数据库（graph database）只需"再挂一个节点"——可以挂一个属性、挂一个关系。这种灵活性是知识演化的刚需。

AI4Science 推论：生物医学知识天然是图结构的，而非表结构。一个蛋白-蛋白相互作用网络、一条 KEGG 通路、一棵 GO is_a 树——都不是二维表能高效表达的。关系数据库强迫我们把"TP53 regulates CDKN1A via transcription"拆成三张表的 join，而图数据库直接就是 (TP53)-[regulates]->(CDKN1A)。Neo4j、RDF triplestore、Amazon Neptune 等图数据库在药物重定位、不良反应信号检测、靶点-疾病关联推理中已被广泛采用，正是因为生物医学知识的拓扑复杂度需要图的灵活性。Coyle 的论点在 AI4Science 中不是趋势预测，而是既成事实。

🏗️本体构建双轨：top-down 策展与 bottom-up 挖掘

Coyle 给出本体构建的两条路径：

• Top-down：把领域专家聚到一起，坐下来分析领域，识别实体（purchase orders、customers、customer representatives），结构化它们的属性与关系。他坦言这正是 1980 年代专家系统的做法。
• Bottom-up：从实际交互中增量提取——"客户在做什么？这些实体、这些关系，加到本体里，加到图里。"

AI4Science 推论：这两条路径在生物医学本体工程中都有成熟实践。Top-down 对应 GO Consortium、RD-Cubed、OBO Foundry 的专家策展模式——curator 坐下来用参考文献标注每个 term 的定义与关系。Bottom-up 对应近年兴起的本体学习（ontology learning）与文献挖掘——用 NER + 关系抽取从 PubMed 摘要中自动提取"基因-疾病""药物-靶点"三元组，再由 curator 审核入库。Coyle 的双轨框架提示：AI4Science agent 系统不应只依赖静态策展本体，而应具备从新文献中增量学习本体边的能力——这正是 ToolUniverse、BioGPT、PubMedBERT 等工具的定位。

♻️复用已有本体：不要重造轮子

Coyle 明确建议复用已有本体，并列出通用领域的范例：

• schema.org——一整套术语与关系，覆盖人物、组织、事件等通用实体
• FOAF（Friend of a Friend）——社交网络建模
• Dublin Core——早期为描述论文、书籍等资源而设计的元数据术语集
• DBpedia——Wikipedia 的底层本体，Wikipedia 搜索本质是在巨型图数据库中查询

他强调："这些技术已经存在并支撑着我们日常所做的很多事情。利用这些已存在的东西。"

AI4Science 推论：AI4Science 领域的"已有本体"清单远比通用领域丰富，且大多以 OBO Foundry 或 RDF/OWL 格式开放：

• Gene Ontology (GO)——分子功能、生物学过程、细胞组分三大分支，is_a / part_of / regulates 关系
• ChEBI——化学实体本体，分子分类与角色
• Disease Ontology (DOID)——疾病分类树
• Experimental Factor Ontology (EFO)——GWAS/表型实验因子，EBI 维护
• Uberon——跨物种解剖学本体
• Cell Ontology (CL)——细胞类型分类
• Sequence Ontology (SO)——基因组特征类型
• Chemical Entities of Biological Interest (ChEBI)——与 PubChem/ChEMBL 交叉引用
• SNOMED CT / ICD-10/11——临床术语与诊断分类

Coyle 的"不要重造轮子"原则在 AI4Science 中尤为关键——许多团队试图用 LLM 从零生成"基因-功能"关系，却忽视了 GO 已积累二十年的 curator 共识。正确的做法是把 GO 作为 ledger，让 LLM agent 在 GO 的约束下做推理与假设生成。

⚖️RDFS / OWL 推理：从数据到知识的约束引擎

Coyle 用具体例子说明 RDFS 与 OWL 的推理能力：

RDFS 的 domain / range：若声明"teaches"的 domain 是 teacher、range 是 student，那么从"Bob teaches Scooter"可推断 Bob 是 teacher、Scooter 是 student。再若"所有 teacher 是 person"，则 Bob 也是 person。

OWL 的 transitive property：若 ancestor 是传递属性，且 Sue 是 Mary 的 ancestor、Mary 是 Ann 的 ancestor，则可推断 Sue 是 Ann 的 ancestor——这条边原本不在图中，是推理出来的。

OWL 的 functional property：hasFather 是 functional（只能有一个），那么"Bob 是 Jim 的 father"与"BB 是 Jim 的 father"可推断 Bob 与 BB 是同一实体——这构成约束。

AI4Science 推论：这些推理原语在生物医学本体中都有直接对应：

• transitive is_a：GO 中"protein binding" is_a "binding" is_a "molecular_function"——可推断"protein binding" is_a "molecular_function"，无需显式存储
• functional has_symbol：一个基因（按 HGNC 定义）只能有一个 official symbol——若两个实体声称是同一基因却 symbol 不同，OWL 可捕获矛盾
• disjoint classes："protein"与"RNA"在 Sequence Ontology 中是 disjoint——若 agent 输出"this entity is both a protein and an RNA"，OWL reasoner 立即报错
• domain/range 约束："has_function"的 domain 是 gene_product、range 是 GO_term——若 agent 把 has_function 指向一个非 GO_term 的字符串，可被捕获

这些不是理论可能，而是 Protégé、HermiT、ELK、Pellet 等 OWL reasoner 的标准能力。Coyle 的论点提示：AI4Science agent 系统应在 LLM 输出与数据库写入之间部署一个 OWL reasoner 层，把"概率性输出"转化为"形式化校验通过的知识"。

🔁Agent 循环与 Turing 完备性：Bohm-Jacopini 的回归

Coyle 把 agent 循环放在一个深刻的历史脉络中。他引用 Bohm 与 Jacopini 1966 年的结构化程序定理：任何编程语言只要具备三种结构——sequence（顺序）、conditional（条件）、loop（循环）——就是 Turing 完备的，可计算任何可计算之物。

他的论点是：当下的 agent AI 终于补齐了这第三块拼图。LLM 提供 sequence（逐 token 生成）与 conditional（if-then 推理），而 agent loop（while true: 调用工具 → 检查 stop reason → 继续）补上了 iteration。三者合一，agent 系统在理论上具备了任意计算能力。

AI4Science 推论：这是一个被低估的技术里程碑。在 AI4Science 中，这意味着一个设计良好的 agent 循环可以执行任意复杂的科学计算流水线——从文献检索 → 假设生成 → 蛋白骨架生成（RFdiffusion）→ 序列设计（ProteinMPNN）→ 结构验证（AlphaFold3）→ 亲和力评估（Nesso-1/Boltz-2）→ 实验设计 → 结果回写 → 下一轮假设。本站已解读的 Diff-Switch 流水线、Nesso-1 评估链、ESM Cambrian 设计循环，本质上都是这种 agent loop 的雏形。Coyle 的框架让我们看清：AI4Science agent 的"能力上限"不是工具数量，而是循环的可靠性与终止条件的设计。

⚠️循环的三重风险：break / drift / cost

Coyle 对 agent 循环的风险有清醒认识。他列出三重风险：

• break：循环可能崩溃——程序员都经历过 infinite loop
• drift：agent 之间互相说话时"things get all go off the rails"——偏离原始目标
• cost：循环持续时 token 计数飙升——"token counts crank up as the loops continue"

AI4Science 推论：这三重风险在 AI4Science 中被显著放大：

• break 风险：科学工具调用常涉及长时计算（Boltz-2 推理数十秒、FEP+ 模拟数小时）。循环中任一工具超时或返回 NaN，整个流水线可能崩溃。需要显式的超时、重试与降级策略
• drift 风险：多 agent 协作时（如一个负责文献综述、一个负责实验设计、一个负责结果解读），极易出现"科学问题漂移"——agent 开始优化某个代理指标（如 pLDDT 分数）却偏离了原始生物学问题（如"这个 binder 是否真的能在细胞内结合靶点"）。本体的作用正是锚定原始问题空间
• cost 风险：AI4Science agent 循环常涉及大量结构化输出（PDB 文件、SMILES、长上下文文献），token 成本远高于聊天场景。一个未受控的"假设-验证"循环可能在数小时内消耗数千美元的 API 费用

Coyle 的论点提示：AI4Science agent 系统必须有显式的循环预算（loop budget）——最大迭代次数、最大 token 预算、最大工具调用次数——以及基于本体的"是否仍在问题空间内"的 drift 检测器。

🛠️LLM 不能 DO：工具层与 ToolUniverse 范式

Coyle 用一段 Claude agent 代码示例揭示了一个常被忽视的事实：

"LLMs can't do anything. All they can do is give us the next word with a high probability… But we can give it a tool, and we can give it what we want, and say, 'How do you think this tool can help us get what we want?'"

LLM 只能预测下一个 token，不能执行任何副作用。它能做的是：理解上下文与工具描述，生成"应该如何调用这个工具"的参数化请求，然后把请求交回给宿主程序执行。Coyle 把这个模式总结为：LLM 给参数，宿主执行工具，工具返回结果，LLM 再解读结果。

AI4Science 推论：这是 ToolUniverse、LangChain Tools、MCP（Model Context Protocol）、NIM microservices 等工具层存在的根本原因。在 AI4Science 中，"工具"不是可选插件，而是 agent 的手脚——没有工具，LLM 只能"谈论"科学，不能"做"科学。一个完整的 AI4Science agent 工具层至少包含：

• 序列工具：BLAST、UniProt 检索、MSA 搜索
• 结构工具：AlphaFold2/3、ESMFold、Boltz-2、Chai-1、RFdiffusion
• 化学工具：RDKit、PubChem/ChEMBL 检索、DiffDock、分子生成
• 数据库工具：PubMed、Open Targets、STRING、ClinVar、GWAS Catalog
• 本体工具：GO/ChEBI/DO 查询、OWL reasoner、ID 映射（BridgeDb）
• 实验工具：Opentrons 协议生成、流式细胞分析、qPCR 设计

Coyle 的论点澄清了一个常见误解：AI4Science agent 的价值不在于 LLM 本身"懂"科学，而在于 LLM 能正确地编排（orchestrate）这些工具。这正是本站 ToolUniverse 技能体系（1264+ 工具）的设计哲学。

🛡️Pydantic at the door, ontology at the ledger

Coyle 提出了一个极其精炼的护栏设计原则，值得作为本节标题：

"Pydantic at the door, ontology at the ledger."

他解释：Pydantic 为 Python 这种无类型语言添加类型检查——在"门口"（参数进入 agent 时）做类型校验；而本体在"账本"（结果写入知识库前）做语义校验。两层校验，一道在输入，一道在输出。

具体地，他描述的 agent 循环是：调用工具 → 检查 stop reason → 若 stop reason 是 tool_use，则执行工具 → 把工具返回的信息放入 validator 可用的形式 → validator 基于领域本体判断 LLM 的响应是否合理 → 若合理则继续，若不合理则回到 LLM 重试，或引入人类介入。

AI4Science 推论：这个双层护栏在 AI4Science 中有精确对应：

• Pydantic at the door：agent 调用工具时，参数必须是合法的 UniProt accession（正则 ^[OPQ][0-9][A-Z0-9]{3}[0-9]$）、合法的 SMILES（RDKit 可解析）、合法的 PDB ID（4 字符）。这层校验防止 LLM 把"probably shipped"这类伪造值传给工具
• Ontology at the ledger：工具返回结果后，agent 准备写入知识库前，用 OWL reasoner 校验：这个基因-疾病关联是否与 DO/EFO 一致？这个蛋白功能注释是否落在 GO 的合法子树内？这个化学-靶点关系是否与 ChEBI 的角色定义相容？

本站已解读的 Nesso-1 报告中"零样本 OOD 仍本质困难"的诚实评估，本质就是缺少 ledger 层——Nesso-1 的输出在分布外化合物上可能"看起来合理"却违反化学本体约束。Coyle 的框架提示：未来 AI4Science 模型的可信度，不取决于在 benchmark 上的分数，而取决于其输出能否通过本体 ledger 的校验。

🚫无副作用原则：先验证再执行

Coyle 提出一个常被忽视的 agent 设计纪律：

"Your agents should try to have no side effects. That helps the whole logic. Meaning, they're not running off doing something—they're changing things in the database, not yet. You want to run them through the ontology first and make sure that works."

agent 不应直接修改数据库或执行有副作用的操作，必须先经过本体校验。

AI4Science 推论：这一原则在 AI4Science 中有生死攸关的对应——agent 不应直接下单实验、合成化合物或启动临床试验，必须先经过本体与人类双重校验。考虑以下场景：

• 一个药物设计 agent 提议合成某化合物——若该化合物含 PAINS 子结构（Pan-Assay Interference Compounds），本体 ledger 应拦截
• 一个临床决策 agent 提议给患者某药物——若该药物与患者基因型存在 PGx 禁忌（CPIC 指南），本体 ledger 应拦截
• 一个蛋白设计 agent 提议表达某序列——若该序列含未清除的糖基化位点或蛋白酶切位点，本体 ledger 应提示

Coyle 的"无副作用"原则在 AI4Science 中可表述为：agent 的输出默认是"提议"而非"行动"；从提议到行动必须经过本体校验 + 人类确认两道闸门。这与本站 clinical-decision-support、treatment-plans 等技能的"决策支持而非决策执行"定位完全一致。

🔍OWL 错误捕获：从电商到生物医学的迁移

Coyle 给出三个 OWL 错误捕获的电商案例，每个都可直接迁移到生物医学：

案例一：二次退款。同一订单的第二次退款是错误，但纯文本中很难检测。OWL 可用 functional property 约束"一个订单只能退款一次"。

生物医学迁移：同一实验的重复登记。一个 CRISPR screen 的同一 sgRNA 计数被两次写入——OWL functional property"一个实验-sgRNA 对只能有一个 count"可捕获。

案例二：payout 发到 support desk 而非 buyer。customer 与 support_rep 是 disjoint 类别，但 LLM 可能把两者混淆。

生物医学迁移：靶向-疾病错连。agent 把"药物 X 治疗疾病 Y"中的 Y 错填为"symptom"而非"disease"——OWL disjoint"symptom"与"disease"可捕获。更严重的：把"基因 X 的功能"错填为"基因 X 的突变"——function 与 mutation 在 GO/SO 中是 disjoint 概念。

案例三：伪造值"probably shipped"。订单状态只能是 paid/shipped/refunded，但 LLM 可能生成"probably shipped"这类不存在值。OWL 可用枚举类（enumerated class）约束合法值集合。

生物医学迁移：伪造基因符号或变异命名。agent 生成"BRCA1-like"或"TP53 probably mutated"这类非 HGVS/HGNC 标准的字符串——OWL 枚举类约束"gene symbol 必须是 HGNC 已注册符号"可捕获。这在临床报告生成中尤为关键——一个不存在的基因符号进入电子病历可能导致严重医疗错误。

🔄回归专家系统：AI4Science 一直是本体密集领域

Coyle 在演讲中段提出一个历史判断：

"In a way we are revisiting some of the early stuff with symbolic AI. I would argue we're going back to the world of expert systems."

他回顾 1980 年代专家系统的兴衰：日本第五代计算机计划、美国公司投入数百万、最终因"无法 scale"而进入 AI 寒冬。而神经网络在 1960 年代就被提出，但直到 Nvidia 的 GPU 才得以 scale。如今两者的收敛——neuro-symbolic AI——是"把 LLM 保持在 guardrails 上"的路径。

AI4Science 推论：这一历史判断对 AI4Science 有特殊意义。AI4Science 从未真正离开过"专家系统"范式——生物医学本体工程、临床决策支持系统（CDSS）、药物-药物相互作用检查器，本质上都是 1980 年代专家系统的延续，只是换了 RDF/OWL 的外衣。当 LLM 兴起时，许多人预言"本体已死，LLM 将取代知识图谱"。Coyle 的论点反驳了这一预测：LLM 没有让本体过时，反而让本体变得更重要——因为 LLM 的概率性输出需要一个形式化的"对手"来校验。AI4Science 的未来不是"LLM 取代本体"，而是"LLM + 本体"的 neuro-symbolic 融合。本站已解读的 tooluniverse-clinical-guidelines、tooluniverse-acmg-variant-classification 等技能，本质上都是这种融合的实践——LLM 做自然语言推理，本体做形式化校验。

✨"Only make"：科学方法的精神底色

Coyle 以 Sister Corita Kent（经 John Cage 推广）的教育哲学开场，也以此收尾：

"Nothing is a mistake. There's no win, no fail. There's only make."

他鼓励听众"get down and make stuff"——动手做，而不是只读。他还建议用纸笔而非键盘，因为手写时"全脑、全感官系统都被调动"。

AI4Science 推论：这句话看似是教育学箴言，实则精确描述了科学方法的精神底色。在科学中，没有"失败的实验"，只有"产生数据的实验"。一个 refute 假设的实验不是失败，而是知识的增量。这与 Coyle 的"幻觉即特征"论点形成闭环：LLM 幻觉出假设 → 实验验证 → 若 refute 则更新本体，若 confirm 则强化本体——整个过程没有"错误"，只有"make"。

这一精神对 AI4Science agent 系统的设计有具体含义：agent 不应害怕"提出可能被否证的假设"，验证循环本身就是科学进步的引擎。一个被本体 ledger 拦截的"幻觉假设"不是浪费，而是对本体边界的一次探测——它揭示了"哪里的人类共识还不够形式化"。从这个角度看，AI4Science agent 系统的真正产物不是"正确的答案"，而是"更精确的本体"——每一次幻觉-校验循环都在增量地形式化人类科学共识。

📄参考信息