
LLM 带来了知识应用的全新时代,但知识怎样才能持续、可靠地支持业务任务,而不是每次从头拼装?蚂蚁集团副总裁兼首席技术安全官、蚂蚁密算董事长、北京大学客座教授韦韬提出一种新的知识组织与应用方法。知识为智能体提供理解情境、推理判断和核验结果的依据,是可信智能的重要根基之一。随着大模型从回答问题走向执行任务,知识中的条件遗漏、依据缺失和错误经验,会直接影响业务决策。仅靠堆积材料、临时检索,已难以支撑持续可靠的工作,建立系统化的知识体系日益迫切。本文提出知识主体论与S4RA知识系统,有效解决知识的归属、承载和组织,并通过“启·序·合·转”,支持知识在任务中的应用、积累与迭代。
当前的知识技术栈并不缺少组件。材料库能够保存文档与证据,RAG能够按问题召回上下文,知识图谱能够组织实体与关系,企业 Ontology 还能把业务对象、状态、动作和权限连接为操作模型。
LLM 的出现,使知识的归结、指称、适用(涵摄)和核验——材料如何构建成知识体系、不同来源是否指向同一对象、具体情形是否落入规则的适用范围、推理链的成立和前提判定——这些原属语言哲学的分析操作,正在成为机器大规模、高频次执行的日常任务,也暴露出现有研究与实践的显著缺口:四者都缺乏系统解法,已成为知识真正进入实践应用的严重障碍。国际头部 AI 企业近年招募语言哲学背景的研究者,正是感受到了这一迫切需求。
知识应用面临四项核心需求,现有技术栈都没有系统性地解决:
· 任务启动——财务人员收到“供应商要求更换收款账户”的邮件时,既有知识可以提供多种可能的切入方向和处置方案供选择(发散),同时也应该能提醒注意账户异常、身份核验等关键风险点(关注)。
· 有序展开——审查合同时,系统能否帮助建立对交易结构的整体理解、规划审查顺序和依赖关系,并在执行中持续提供规则、条件和案例?知识系统需要同时支持建模、规划和按需交付。
· 严格核验——结论是否有独立材料和权威知识支持,前提是否完整、条件和例外是否被遗漏,推理链是否成立?知识系统需要提供可追溯的依据,支持事实核验和演绎逻辑核验。
· 沉淀演进——异常检测规则连续误报后,任务结果能否经过归因、验证和对齐,沉淀为下一次可以直接复用的知识?知识系统需要承接应用反馈并分层修正已有认识。
本文将知识应用这四项核心能力归纳为 “启·序·合·转”——启是抛砖引玉,序是有序展开,合是严格核验,转是沉淀演进。它贯穿任务全程,是智能体可信执行的根基,也是对人可解释、可核验的基础。
为了支撑知识应用链路,本文提出知识主体论与 S4RA 知识系统(Subject-centered 主体中心、Four-layered 四层组织、Relational 关系表达、Application-oriented 应用导向)。这里先说明核心术语:每一项知识都在谈论某个对象——如合同审查、正当防卫、某种疾病;知识主体就是该对象经过归结后取得的知识归属组织单位——知识归属于相应的知识主体,归入、调用与修正都以它定位。这里的“主”是主从的主,不是主客的主。
知识主体论是认识论在知识组织与实践应用层面的延伸——以语言哲学为参照,在规模化实践中形成判据与机制,并以应用实撞持续检验。核心贡献有四项:
· 为知识建立跨任务稳定的归属(知识主体)。不同来源、不同问法中的多变话题,通过归结路径和语义判据收敛到能够跨任务保持同一的知识归属。
· 以四层结构完整承载实质认识(知识体→侧面→展述→知识点)。知识体保存整体认识,侧面组织认识方向,展述围绕局部问题承载实质知识,知识点是基本单元;上层为下层提供语境,展述形态规定规则、过程、论证等不同类型的知识各需要哪些要素。
· 使已有知识能够持续支持任务展开、推进与核验(启·序·合)。稳定归属和四层结构使知识系统能够在任务启动时提供切入方向并提示关键风险点(启),在执行中支持形成工作模型、制定行动计划并按需交付规则、过程和案例(序),在检查点提供可追溯的权威依据,支持事实核验与演绎逻辑核验(合)。
· 使应用反馈能够分层修正知识(转)。稳定归属确保修正落到正确的知识体,四层结构使修正精确到展述或知识点,适用层级区分修正的是通用/行业知识、场景知识还是任务知识,使认识在应用中跨任务积累,而不必每次从原始材料重新提炼。
这四项贡献共同服务于两类使用者:智能体需要系统化知识才能稳定理解和行动,人需要可解释的评判依据才能复核并承担判断责任。
01知识系统的架构本文所称知识系统不是某一种软件产品,而是使已有知识能够进入任务、持续提供支持并承接反馈的知识结构与运行机制。
知识系统围绕任务运转,涉及四组概念:
知识结构(知识体→侧面→展述→知识点)规定知识以什么形式承载,是构建和应用共同操作的基底。“启·序·合·转” 是知识系统作用于当前任务的应用链路;学习、验证、对齐与迭代是知识库的构建机制——知识库怎样从材料中形成、更新和演进。
理解、推理、核验和关注是 LLM 的四项基础能力,它们不是独立的一层,而是贯穿两侧的操作:在应用链路中消费知识结构——理解在知识体的语境中建构认识,推理沿展述中的规则和条件推进,核验回溯到具体展述与知识点,关注按已有知识路由形成注意;在构建机制中生产知识结构——把材料拆解成认识、归结到知识主体、形成候选知识并给出验证状态。基础能力在构建与应用两侧作用于同一个知识结构;“转”将应用反馈送回构建机制,更新后的知识再支持后续任务,由此形成持续演进的循环。
02LLM 改变了知识的应用条件传统知识工程为了让机器处理知识,通常优先把内容转换为字段、分类、规则和关系边。自然语言论述主要供人阅读,机器负责索引、匹配或形式推理。
大语言模型(Large Language Model,LLM)改变了这个前提。定义、说明、规则、过程、案例和论证可以直接进入机器任务,知识不再必须先被完全原子化,才能被机器使用。更重要的是,LLM 使知识能够在机器任务中发挥四项基础能力:
· 理解——在知识提供的语境中建构对当前材料的认识,判断对象身份、条件匹配和适用边界,而不只是逐词匹配。理解是一项内在能力,它支撑推理、核验和关注的运作,本身不必产生独立输出;
· 推理——从前提、规则和证据出发,沿受约束的路径得出结论。演绎推理是 LLM 带来的关键新能力:机器能够直接在自然语言知识上进行演绎,且每一步是否成立都可以检查。溯因(由结果推断原因)和归纳(由个案推断一般规律)LLM 同样能够进行,其结论属于假设,需要经过验证;
· 核验——将结论回溯到独立材料和适用规则,检查推理链是否成立、事实是否有据;
· 关注——根据已有知识引导注意力,从全量输入中优先定位与已知风险、关键条件或异常模式相关的信号与事项。关注是一项高级能力,它依赖理解对知识的解读来形成注意路由。
但这四项能力的可靠性都取决于知识本身的质量。理解缺少完整语境就会把适用于特定情形的知识错误地匹配到不同对象;前提不完整、条件被遗漏、例外未呈现,推理的结论就不可靠;核验缺少可追溯的权威依据,核验本身也无法成立;关注缺少知识引导就只能依赖输入本身的显著性,容易忽视“不紧急但重要”的信号。增加材料数量和上下文长度,并不能自动满足这些需要。
03知识结构——什么样的知识能够支撑这条链路知识系统若要稳定完成“启·序·合·转”,不能每次都从材料片段临时拼装知识。它需要知道知识围绕谁形成、实质内容怎样共同承载、相关知识主体怎样连接,以及反馈应当修正什么位置。
3.1 知识主体与知识体
每一项知识总是在谈论某个特定对象——一条合同规则谈的是合同审查,一个诊断标准谈的是某种疾病。这个“知识谈论的对象”,语言哲学称为指称对象(referent)。知识主体是指称对象经过归结后取得的知识归属组织单位,归入、调用与修正都以它定位。如同案卷归属于案件——证据、笔录、鉴定都记在案件名下,以案件为单位查阅和维护。一个指称对象要成为知识主体,须满足三个条件:
· 明确——是什么、不是什么,边界清楚,因而能在不同来源、问题和应用中保持同一,也能够被方便地引用;
· 独立——当前所指能够作为一个对象被独立认识,承接关于自身的问题与判断,而不只是另一对象的一项规定、性质或表现;围绕它的知识可以独立组织和维护。这也是称之为“主体”的来由:“主”是主从的主——关于它的认识都归属于它;
· 充实——围绕它的知识值得汇聚为一个整体持续维护:它是什么、如何构成、适用什么规则、有哪些案例与论证,连同各自的条件和边界。
维护工作始终由人和智能体承担,知识主体只提供归属定位的坐标。
知识主体分为两类:实体主体(可被识别为“这一个”的具体对象,如某个案件、某版法典、某部作品)和概念主体(能够反复实例化的类型,如抢劫罪、合同审查、HTTP 协议)。实体主体通常有公认专名、正式编号或法定名称,身份相对明确;图书馆规范控制和持久标识符已为人名、机构、出版物等实体积累了成熟的身份管理经验。概念主体是归结的核心挑战——材料中出现的词语和话题不能直接等同于知识主体。三个条件中,充实性看材料即可判断;明确性和独立性在概念主体上各有一项操作检验:
· 明确性,落在名称上:知识主体在目标领域有明确的名称,意味着它在该领域有稳定的含义——如“正当防卫”是法定概念,“压力测试”是风险管理领域的通行术语。没有明确名称的候选对象不先取得独立身份:其认识先归入所属主体的侧面或展述承载,待实践中形成稳定名称和独立问题框架后,再成长为独立知识主体。
· 独立性,落在问题归属上:“法定刑是什么、有哪些类型”在认识法定刑本身;“抢劫罪的法定刑”在说明抢劫罪的处罚,这处认识归入知识主体“抢劫罪”——但法定刑作为对象仍是独立主体。
名称明确、本身独立的候选,归结容易操作——“正当防卫”“压力测试”按名称直接定位。但大量的知识是“X的Y”情形,此时我们引入主体归属判断原则:如果 Y 依附于 X(“合同审查的合规要点”——合规要点依附于合同审查),则 X 是知识主体,Y 归入 X 的知识侧面或展述;如果 X 是 Y 的修饰或限定(“入户抢劫”——入户限定了抢劫的情形),则 Y 是知识主体,X 是限定情形。限定概念本身在领域中足够有意义时——如“入户抢劫”拥有自己的适用边界和问题框架——可以成长为独立知识主体。归结的目标是找到能够承接后续认识、应用和维护责任的稳定对象,而不是为每个问题制造一份文件。
知识体是围绕一个知识主体形成、具有独立身份和维护责任的外部知识整体。知识主体提供身份锚点,知识体承载关于该主体的当前认识及其适用边界。
知识主体论实行“一主一体”:一个进入知识库的知识主体只对应一个权威知识体,一个知识体只承载一个知识主体。材料与知识主体仍是多对多关系;材料保留来源,知识体负责保存可复用认识。
3.2 四层知识结构
知识体 → 侧面 → 展述 → 知识点
· 知识体保存关于一个主体的整体认识状态;
· 知识侧面组织认识同一主体的不同方向,回答“从哪个角度认识主体”。侧面分为参与主体构成的部分侧面和不参与构成但从某一角度认识主体的关于性侧面;侧面本身不是内容,也不自动取得知识体身份。例如“合同审查”知识体可以有合规侧面和商业侧面,分别组织合规规则和商业条款的认识;
· 知识展述围绕一个局部问题承载完整的实质知识;
· 知识点是展述内具有独立认识边界的基本内容单元。简化判据:一个知识点可以用一个有主题句的段落完整描述;需要两个主题句段落才能忠实描述时,通常存在两个知识点。
四层结构不是物理容器,而是语义归属与语境继承路径。知识点越具体,越需要继承上层的对象身份、认识方向、适用范围和维护责任。没有这些共同语境,知识点即使能够被检索,也可能在应用时丢失条件和边界。
3.3 知识展述
知识展述是承载实质知识的核心层。围绕认识对象、事实、规律和判断,有如下展述形态:
规则不能只写断言,还要写清适用条件、效果、例外和依据;过程不能只列动作,还要说明输入、分支和失败出口;案例既可以来自真实事实,也可以是用于教学或推演的虚构情境,但都要明确所用知识、处理过程和迁移边界;论证不能只给结论,还要写清前提、推演过程、反方意见和结论强度。
3.4 知识的适用层级
四层结构(知识体→侧面→展述→知识点)规定知识怎样组织;适用层级规定同一结构中的知识在多大范围内有效。两者正交:
· 通用/行业知识:跨场景普适或在整个行业内通用,变更频率低,修正影响全局。
· 场景知识:在特定业务场景中适用,随环境和约束演变。
· 任务知识:在特定任务情境中形成并适用的知识,绑定该任务特有的上下文和约束条件,迁移到其他任务时需要重新评估适用条件。
场景知识和任务知识常常承载机密或隐私内容——客户数据、内部流程、交易细节、个人信息等。适用层级可以为权限设计提供组织依据,但适用范围与访问权限是两个维度:跨场景适用的专有方法可以是商业秘密,单次任务的报告也可以公开——具体访问权限仍需结合内容敏感性与授权范围确定。
同一知识主体的知识体中,三层知识可以并存。“序”展开知识时,需要区分当前调用的是通用规则还是场景特定条件;“转”沉淀反馈时,需要判断修正目标属于哪一层——任务经验上升为场景或通用知识,必须经过学习、验证和对齐。
3.5 知识关系
知识体之间的关系有两种表达模式:符号表达与自然语言表达。
符号关系依赖约定的类型标签——is-a、part-of、instance-of等——传统知识图谱即以此为基础。关系类型需要预先约定,具体语义需要通过规则或程序预先定义。知识体与知识侧面、限定概念与父概念、实例与类型之间的结构连接,用类型标签即可满足导航、归位和机器运算,适合符号表达。
自然语言关系在两方面扩展:词表不再封闭,符合领域习惯的关系词——竞合、界分、转化、依赖、在特定条件下优先——都可以直接使用;关系短语本身能够承载语义,说明条件、方向和程度。LLM 出现后,这类关系可以被机器直接读取和运用。
但自然语言关系短语有其上限,复杂规则、案例涵摄、观点语境和论证理由仍由知识展述承载。
3.6 S4RA 知识系统
上述结构对应引言中提出的 S4RA 四个维度:
· S · 主体中心:以稳定知识主体为组织中心;
· 4 · 四层组织:以知识体、侧面、展述和知识点四层结构承载内容;
· R · 关系表达:以符号与自然语言两种模式承载知识体之间的关系;
· A · 应用导向:使知识系统能够以“启·序·合·转”支持任务,并承接应用反馈。
S、4、R 规定知识以什么结构存在,A 规定这些知识为什么组织以及怎样进入应用。适用层级(通用/行业、场景、任务)与四层结构正交,二者共同决定“序”调用什么、“转”修正到哪里。
没有稳定主体,任务需要反复归结对象;没有四层结构,知识难以完整交付;没有关系,难以高效调用相关知识体;不能支持“启·序·合·转”,上述结构仍只是被保存的内容。
04启·序·合·转:知识系统支持任务的核心链路4.1 启:抛砖引玉
任务开始时,使用者经常只有一个现象、一段材料或一个模糊目标,并不知道应当从哪里进入。“启”承担两个方向的工作:发散——提供多种可能的切入方向、相关知识主体、处置方案和历史案例,帮助使用者看到选项;关注——提醒注意关键环节、风险信号和优先事项,避免遗漏重要线索。
比如,供应商突然更换收款账户时,知识系统一方面提供欺诈模式、合规流程、历史案例等多条可能的切入路径供选择(发散),另一方面提醒关注账户异常、身份核验等关键风险点(关注)。最终是否构成欺诈,仍需后续调查和核验。“启”以经过组织的知识为砖,引出当前任务可能涉及的知识主体、方向和突破口。稳定的知识主体使“启”能快速定位相关知识体,四层结构使定位后取出的不是散落片段,而是围绕该知识主体组织好的系统化知识。
4.2 序:有序展开
“序”的核心是:知识系统为任务提供有组织的知识秩序,使任务能够有序展开而不是在孤立片段中随机碰撞。这里的“序”不是替人安排全部任务步骤,而是支持三项工作:
· 形成工作模型——知识系统提供与当前情境相关的知识主体、结构和关系,帮助使用者建立对情境的整体理解。
· 制定行动计划——在工作模型基础上,知识系统提供规则之间的依赖、优先级和例外,帮助使用者确定先做什么、后做什么、哪些环节之间有约束。
· 按需交付完整知识——在执行过程中,知识系统持续提供所需的规则、过程、案例、观点、论证和停止边界。
以合同审查为例:使用者需要先形成对交易结构的整体理解——交易对象是谁、合同类型属于哪类、涉及哪些法律关系(工作模型);在此基础上制定审查计划——先查什么、后查什么、哪些条款之间有依赖(行动计划);然后在逐条审查中持续获取规则适用条件、例外、相邻风险和处置过程(按需交付)。目标设定、价值判断和最终行动仍由承担后果的人或组织决定。四层结构把规则、条件、例外和案例组织在同一知识体的语境中,使“序”的交付是连贯的而非散乱拼装。
4.3 合:严格核验
任务完成时或到达关键检查点时,知识系统需要调用经过验证的权威知识,基于可追溯依据和比较标准,帮助检查材料来源、适用条件、关键前提、推理链、内容完整性和最终结果。对智能体,“合”提供信任边界和停止条件;对人,“合”提供可解释的核验过程——依据是什么、每一步为什么成立,人能够读懂、复核和质疑。
“合”不是系统对自己的输出作循环确认。核验包含两个核心维度:事实核验——断言是否有独立材料和权威知识支持;演绎逻辑核验——从前提到结论的推理链是否成立,适用条件和例外是否被遗漏。两者都必须回到独立材料和适用规则,而非依赖模型自身的参数记忆。结果合事实、合逻辑,才意味着当前应用通过了相应核验,而不是证明知识永远正确。经过验证的权威知识体为核验提供比较标准,四层结构使核验依据可追溯到具体的展述和知识点。
4.4 转:沉淀演进
任务结束后,结果、偏差和反馈需要返回知识层。知识系统首先要归因——由结果推断原因属于溯因,得出的是有待验证的假设——区分问题来自知识、输入、决策、执行还是环境:任务问题留在当前任务中调整,真正的知识问题才重新进入学习、验证和对齐。
沉淀时还须区分修正的是哪一层知识(3.4):修正“合同变更需要双方签章”这样的通用规则影响全局,修正“某医院理赔审核的特殊流程”只影响特定场景,而“本次审查发现的特殊条款处理方式”这类任务经验则需经提炼和验证才能上升。
“转”不是把日志、业务状态或成功结果直接写成知识。只有经过归因、证据补充和重新验证的认识,才能修正知识点、知识展述、适用边界或主体关系,并归入正确的知识层级。由此,一次任务的经验才会沉淀为下一次任务能够直接利用的知识,知识库也不再只是不断增加材料,而是在应用中分层演进。
05知识库构建:学习、验证、对齐与迭代S4RA 知识系统包含知识库——经过组织和验证的知识存储体,以及围绕知识库的应用机制(启·序·合·转)和构建演进机制(学习、验证、对齐与迭代)。“启·序·合·转”说明知识系统怎样支持任务;学习、验证、对齐与迭代说明知识库怎样形成、更新并持续演进。
· 学习:通过“拆书”(材料解构)、经验总结和应用反馈形成候选知识,识别其可能归属的知识主体,并组织为知识体、知识侧面、知识展述和知识点。相关知识体进一步组织为知识域——围绕一个业务领域或专业方向,把彼此关联的知识体汇聚为可整体维护和调用的集合。
· 验证:评估候选内容的可信程度,由三层构成——事实核验检查来源、证据和适用条件是否可追溯且充分;演绎逻辑核验检查从前提到结论的推理链是否成立、例外是否被覆盖。两者由 LLM 同步执行。专家核验由领域专家按需进行。每个知识体都带有明确的验证状态和验证记录,使验证结果可追溯、可审计、可迭代。
· 对齐:把完成验证评估的内容归入正确知识体,处理与已有知识的术语、重复、冲突、关系和版本;在法律、医疗、金融等严肃领域,这些分歧需要与领域专家对齐。
· 迭代:知识库不是一次建成的静态产物。每一轮应用(“启·序·合·转”)产生的反馈经过“转”回到知识库,驱动新一轮学习、验证和对齐。知识体在迭代中持续修正、补充和重组,知识域的覆盖范围和内部结构也随业务实践演变。
知识库的“验证”与应用中的“合”承担不同责任:“合”使用现有知识核验当前任务,验证则评估候选内容以何种信任状态进入或修正知识库。“转”是两者的接口:它承接应用反馈,但只有知识问题才进入知识库的学习、验证和对齐过程。
06从本体论到认识论——知识主体论的定位与贡献6.1 哲学定位
本体论(Ontology)研究存在本身,追问什么存在、存在的结构和类别如何;认识论研究认知,追问知识是什么、如何可能、如何证成、如何获得。认识论为知识工程提供了多种哲学资源:意向性理论讨论心理活动的对象指向;知识类型学区分命题知识、过程知识和默会知识;实用主义把知识放进实践后果中检验;可谬论和贝叶斯认识论则分别从哲学和形式化角度论证知识可以被修正。
但这些回答停留在原则层面。认识论和语言哲学为知识工程提供的是原则性判据方向:指称理论说明名称如何指向对象,指称与同一性研究为跨语境识别提供哲学判据,语言分工说明术语权威来自共同体实践。语言哲学的主要检验方式包括思想实验、日常语言分析、历史考察和形式化构造;它既产出判据方向,也产出可形式化的建设性理论。可规模化的知识体系必须从工程实践中获得。
进一步,维特根斯坦将语词意义的理解引向语言的实际使用,实用主义传统则强调认识在探究和行动中接受检验与修正;但知识以什么结构进入应用、反馈怎样返回,两条线索都止于原则和手工方法。LLM 出现之前,规模化实践主要围绕标识与结构连接展开:规范控制、持久标识符和实体链接管理实体身份;SKOS 等词表标准用 URI、标签、定义及关系链接概念。但两件事不在它们的设计范围之内:哪些概念应成为独立的知识归属单位、其归属边界如何确定;以及知识归属之下实质认识的承载与持续维护。
知识主体论要推进的正是这个方向——以认识论和语言哲学为参照,在规模化实践中形成判据与机制,并以应用实撞持续检验。“知识主体”这一概念在知识组织领域已有学术传统——主题分析与标引长期围绕“文档关于什么”进行分类和索引,知识主体论将其从“为文档分类”推进到“围绕稳定对象承载实质认识并支持应用循环”。
本文的四项贡献分别回答认识论提出但未在实践层落地的核心问题:
6.2 与现有知识技术的关系
在知识工程中,Ontology 通常用类、实例、属性、关系和约束规定领域概念化;操作型 Ontology 还会连接业务数据、对象状态、动作、函数和治理机制。Ontology 主要回答系统承认哪些对象、类型、属性、关系和动作;知识主体论主要回答哪个对象应取得独立知识身份,以及围绕它形成的实质认识怎样承载、应用和修正。Ontology 可以为知识主体提供业务标识和结构连接,知识主体也可以投影到 Ontology;两者协同,但不互相替代。
知识工程中还有两类符号 AI 时代的结构方案值得对照。Topic Maps(ISO 13250)以主题(topic)为中心,用名称、出现(occurrence)和关联(association)组织信息,侧重信息检索和导航。Frame 知识表示(Minsky, 1974)以框架—槽—面—值(frame-slot-facet-filler)组织结构化属性,通过属性继承和默认值填充进行固定模式的推理。二者在“围绕对象组织信息”这一点上与知识主体论有结构上的相似性。差异在于:它们的框架容纳的是“是什么”一类的预定义属性和固定类型的关联;本文要求的展述形态还规定“为什么、在什么条件下、有何例外”必须在场,四层结构使这些认识能够进入“启·序·合·转”的应用循环。
LLM 与材料库、RAG、知识图谱、Ontology 和 Agent 记忆结合,已经能在“启·序·合·转”的每个环节发挥部分作用。但缺口逐级加深:“启”和“序”缺系统化知识层,“合”缺经过验证的权威知识作为核验基准,“转”从知识标识归属到组织结构到分层修正全部缺失。根源是同一个——现有技术解决了知识的保存、检索、连接和生成,但在材料和应用之间缺少一层围绕稳定对象预先组织好、经过验证的系统化知识。这正是知识主体论与 S4RA 知识系统要补上的一层。Ontology 和知识图谱提供客体数据与结构连接,RAG 和长上下文负责为当前任务装配所需的材料和知识——这些技术共同服务于知识系统但不替代知识系统。
07结论知识主体论将稳定的知识主体确立为知识组织的中心:知识对象经过明确性、独立性与充实性的判断,取得独立的知识归属地位;围绕它形成的认识汇聚为知识体,归入、调用与修正都以它定位。由此,不同来源、不同任务中的认识能够围绕同一主体持续积累,并通过四层知识结构完整承载,通过关系连接相关知识体。
S4RA 知识系统以主体中心、四层组织、关系表达与应用导向,将这一理论用于持续、可靠地支持任务。“启·序·合·转”贯穿任务全程,从知识结构中取用知识,并激发学习、验证、对齐与迭代,使这一结构持续形成和更新。LLM 的理解、推理、核验和关注在两侧运转——构建时把材料形成可复用的认识,应用时按需取用并核验;反馈经归因、检验后,回到相应知识主体修正认识,再支持后续任务。
知识主体论与S4RA 知识系统建立的,正是这样一层介于材料与应用之间、有稳定归属、能够持续积累和修正的知识体系。知识在实践中学习,在学习中演进,这是“启·序·合·转”构成循环的根本意义。
























