更轻量的Agent与更智能的基础：基于本体的语义层 — Emil Eifrem, Neo4j

在AI Agent开发中，一个常见困境是：每个团队构建Agent时，都需要手动“接线”到各种数据源——数据库、API、数据湖等。当数据源变更时，所有依赖它的Agent都需要重新手动调整，且Agent之间无法共享经验。Neo4j CEO Emil Eifrem在本次分享中提出了一个系统性的解决方案：将智能从Agent中剥离，下沉到一个共享的语义层。

这个语义层由三部分组成：业务本体（Business Ontology）用业务人员实际使用的语言定义核心概念（如客户、账户、支票），而非数据库中的字段名；技术本体（Technical Ontology）则记录所有数据源及其schema，并维护两者之间的映射关系。第三部分是执行轨迹（Execution Traces），记录每个Agent尝试的操作及其结果，使语义层能够自底向上学习——例如，某个Agent成功查询了DMV数据，未来其他Agent更可能优先尝试该路径。

这一架构的核心价值在于：数据发现、信任验证、去重和学习不再成为每个团队的重复工作，而是由底层平台统一处理。Agent变得更“薄”，只需关注业务逻辑，而智能和知识积累沉淀在语义层中。对于中文AI/科技读者而言，这一思路尤其值得关注：它直击当前Agent开发中“数据孤岛”和“重复造轮子”的痛点，提供了一种可落地的分层架构，尤其适合数据源复杂、团队规模大的企业场景。