解密Palantir系列三9.AIP · 从 Ontology 到 Agent完整走一遍 AIP 工作流从语义层到行动层用两门 Speedrun 拆解 AIP 工作流两个独立训练场景一条从数据、对象到 Agent 的能力链前七篇把概念讲完了一个合理的质疑随之而来道理都懂上手到底长什么样本篇选择两门官方 Speedrun 课程第一门用文献知识库场景把一堆 PDF 变成可问答的语义层第二门用临床试验患者招募场景在现成 Ontology 上装配一个会写回业务状态的 Agent。需要先划清边界两门课不共享同一套业务数据和 Ontology并不构成一条可直接运行的业务链路。官方把第一门课作为第二门课的推荐前置本文也只把它们并读成一条能力链的上下半程用来理解“数据怎样成为对象”和“对象怎样进入 Agent”。界面操作不在本文搬运。按钮位置和页面名称过期得最快而连接关系更耐久。先给结论两门课展示的是能力链的上下半程数据 → 对象 → Agent → 受控行动。第二门课的运行顺序则是自动化触发 → 装载业务对象 → LLM Block → 结构化三分支 → 通过 Action 写回或转人工复核。一、实操分两段各管半程下图表达的是能力分工不是数据血缘第一段和第二段属于不同训练场景Ontology 在图中代表共同的建模与操作范式而不是同一套被复用的对象。维度第一段搭语义层第二段装行动层训练场景文献知识库概念案例临床试验患者招募概念案例建什么语义层数据到对象行动层对象到受控行动主要路径上传 PDF → Pipeline Builder 切块、嵌入、抽实体 → Chunk 与 Entity 对象及关系 → Vertex 关系图 → Logic 问答函数 → Workshop 应用安装基础 Ontology 与应用 → AIP Logic Agent → AIP Evals 评测 → Automate 自动触发对应本系列第 1、2 篇生产线与上下文第 3、4 篇行动治理与评测第一段值得注意的不是上传了 PDF而是它落成的资产结构文献被切成 Chunk 对象并生成嵌入向量LLM 从文本里抽出 Entity 对象再用一张关联表把两者连起来——这是一个最小可用的知识图谱模式。之后的 Logic 问答函数检索的是带来源的 Chunk 对象Vertex 图展示的是 Entity 之间的关系。第 2 篇说检索的终点是决策上下文而不是文本这一段就是把这句话动手搭出来。学习顺序仍然有讲究第二段直接使用现成的 Patient 和 Clinical Trial 对象、Action 和应用并不复用第一段的结核病文献资产它假设你已经理解语义层是怎么来的。没有第一段的 Ontology 视角第二段就容易退化成填空练习。二、行动层的六个工程关节第二段是本篇重点。它给临床试验招募流程加一个资格评审 Agent表面是十几组界面操作骨架是六个工程关节。其中对象输入、三分支输出、Action 写回和自动化触发构成运行链路“先人后机”和“发布前评测”是链路启用前的两道护栏。第一先人后机。动手造 Agent 之前先以领域专家身份手动评审患者、手动触发 Action。这不是拖时间流程没有被理解和编码之前自动化无从谈起——你在第 7 篇见过这个论点这里是它的实操版。第二输入是对象不是粘贴的文本。Logic 函数的两个输入是 Patient 对象和 Clinical Trial 对象试验标准是对象属性患者的年龄、诊断、用药史逐个字段喂给任务 Prompt。这就是第 2 篇讲的 Ontology 上下文Agent 读的是业务对象不是一段复制来的说明文。第三三分支输出是内建的人工复核出口。System prompt 明确要求三种结论Suitable、Not suitable、Manual review required——信息不足时不许猜转人工。输出被定义成 struct 的两个字段决定与理由而不是自由文本。第 3 篇说的 Request Clarification 思想在这里以 Prompt 设计的形式出现。第四写回走的是同一个 Action。LLM 的输出字段被逐个接到一个已存在的 Modify Eligibility Decision Action 的参数上——就是此前在应用里手动点过的那一个。人和 Agent 共用同一个受控入口这是第 3 篇读、算、写分离的实物Agent 没有获得任何人类没有的通道。第五评测在发布之前。暴露 LLM 输出、建评估套件一个 Exact string match 评估器加三个测试用例恰好覆盖三个分支然后换一个模型重跑对比两次结果。这是第 4 篇换模型前先考试的最小版本。第六自动化有明确的触发和边界。函数以 user-scoped 模式发布Automation 的触发条件是新增 Patient 对象效果是对新患者运行评审函数。存量患者手动批量执行一次之后新患者自动处理——而 Manual review required 的患者留在队列里等人。三、训练环境刻意简化了什么训练环境的目标是短时间内跑通它省略的恰好是前几篇的重点。照单全收会把练习当成生产模板这张对照表标出差距练习做法生产要求对应篇目单个 Exact match 评估器、三个手写用例多类评估器组合、历史数据与扰动测试集第 4 篇Action 由 Agent 直接执行无审批按后果分级设计确认、暂存与多角色审批第 3 篇试验对象在 Automation 中写死为静态对象参数校验、对象存在性与业务前置条件检查第 3 篇练习按 user-scoped 模式执行区分 user-scoped、project-scoped 与 automation owner第 3 篇主要查看 Automation 事件和运行状态将 Metrics、Trace、Action Log 与业务结果关联第 4 篇练习里的资格评审是低风险写回改的是一个评审状态字段错了可以重评。把同样的Agent 直接执行 Action搬到采购下单或者付款流程就是另一回事了。四、环境差异你的实操可能长得不一样实操步骤以训练环境为准而你的 Enrollment 可能不同。卡住时先核对四项安装权限基础训练资产可能需要管理员安装模型清单可用模型取决于区域和管理员启用状态项目规范组织可能要求不同的命名、目录和权限结构界面版本按钮位置和名称会随产品更新发生变化。这些差异通常比步骤本身更容易造成卡点。这也是本文不搬运界面截图的原因它们过期得最快。五、动手时的七个自查问题每走到一个关键节点都停下来问一次自查点走到对应步骤时问自己输入Logic 的输入是对象还是文本属性怎样进入 Prompt分支三种结论在哪里定义信息不足时 Agent 被要求做什么写回Action 是谁创建的人在哪里手动用过它评测评估器测到了什么没测到什么对比换模型后哪个用例的结果变了触发自动化由什么触发范围是新增对象还是全量兜底Manual review 的患者最终由谁、在哪里处理七个问题都能回答这次实操的价值就拿满了答不上的那一个就是值得回读对应篇目的地方。结语实操的终点不是跑通了而是看懂了每一段连接为什么存在。一句话记住动手把链路搭起来只是第一步前几篇告诉你生产环境里每一环还要再加什么。会搭链路、会筛用例之后只剩最后一个问题从 Bootcamp 的快速冲刺到长期生产运行中间到底隔着哪些工程与组织工作下一篇收尾整个第一季。参考资料与证据说明资料来源本文用途Palantir LearnSpeedrun: Your First AIP Workflow语义层路径PDF 上传、Pipeline Builder、Chunk 与 Entity 对象、Vertex、Logic 与 WorkshopPalantir LearnSpeedrun: Your First Agentic AIP Workflow行动层路径Logic Agent、三分支 Prompt、Action 写回、Evals 与 Automate 配置本地归档palantir_learn2026-07 证据快照实操步骤与配置细节的本地核对依据
解密Palantir系列三：9.AIP · 从 Ontology 到 Agent，完整走一遍 AIP 工作流
发布时间：2026/7/31 1:54:13
解密Palantir系列三9.AIP · 从 Ontology 到 Agent完整走一遍 AIP 工作流从语义层到行动层用两门 Speedrun 拆解 AIP 工作流两个独立训练场景一条从数据、对象到 Agent 的能力链前七篇把概念讲完了一个合理的质疑随之而来道理都懂上手到底长什么样本篇选择两门官方 Speedrun 课程第一门用文献知识库场景把一堆 PDF 变成可问答的语义层第二门用临床试验患者招募场景在现成 Ontology 上装配一个会写回业务状态的 Agent。需要先划清边界两门课不共享同一套业务数据和 Ontology并不构成一条可直接运行的业务链路。官方把第一门课作为第二门课的推荐前置本文也只把它们并读成一条能力链的上下半程用来理解“数据怎样成为对象”和“对象怎样进入 Agent”。界面操作不在本文搬运。按钮位置和页面名称过期得最快而连接关系更耐久。先给结论两门课展示的是能力链的上下半程数据 → 对象 → Agent → 受控行动。第二门课的运行顺序则是自动化触发 → 装载业务对象 → LLM Block → 结构化三分支 → 通过 Action 写回或转人工复核。一、实操分两段各管半程下图表达的是能力分工不是数据血缘第一段和第二段属于不同训练场景Ontology 在图中代表共同的建模与操作范式而不是同一套被复用的对象。维度第一段搭语义层第二段装行动层训练场景文献知识库概念案例临床试验患者招募概念案例建什么语义层数据到对象行动层对象到受控行动主要路径上传 PDF → Pipeline Builder 切块、嵌入、抽实体 → Chunk 与 Entity 对象及关系 → Vertex 关系图 → Logic 问答函数 → Workshop 应用安装基础 Ontology 与应用 → AIP Logic Agent → AIP Evals 评测 → Automate 自动触发对应本系列第 1、2 篇生产线与上下文第 3、4 篇行动治理与评测第一段值得注意的不是上传了 PDF而是它落成的资产结构文献被切成 Chunk 对象并生成嵌入向量LLM 从文本里抽出 Entity 对象再用一张关联表把两者连起来——这是一个最小可用的知识图谱模式。之后的 Logic 问答函数检索的是带来源的 Chunk 对象Vertex 图展示的是 Entity 之间的关系。第 2 篇说检索的终点是决策上下文而不是文本这一段就是把这句话动手搭出来。学习顺序仍然有讲究第二段直接使用现成的 Patient 和 Clinical Trial 对象、Action 和应用并不复用第一段的结核病文献资产它假设你已经理解语义层是怎么来的。没有第一段的 Ontology 视角第二段就容易退化成填空练习。二、行动层的六个工程关节第二段是本篇重点。它给临床试验招募流程加一个资格评审 Agent表面是十几组界面操作骨架是六个工程关节。其中对象输入、三分支输出、Action 写回和自动化触发构成运行链路“先人后机”和“发布前评测”是链路启用前的两道护栏。第一先人后机。动手造 Agent 之前先以领域专家身份手动评审患者、手动触发 Action。这不是拖时间流程没有被理解和编码之前自动化无从谈起——你在第 7 篇见过这个论点这里是它的实操版。第二输入是对象不是粘贴的文本。Logic 函数的两个输入是 Patient 对象和 Clinical Trial 对象试验标准是对象属性患者的年龄、诊断、用药史逐个字段喂给任务 Prompt。这就是第 2 篇讲的 Ontology 上下文Agent 读的是业务对象不是一段复制来的说明文。第三三分支输出是内建的人工复核出口。System prompt 明确要求三种结论Suitable、Not suitable、Manual review required——信息不足时不许猜转人工。输出被定义成 struct 的两个字段决定与理由而不是自由文本。第 3 篇说的 Request Clarification 思想在这里以 Prompt 设计的形式出现。第四写回走的是同一个 Action。LLM 的输出字段被逐个接到一个已存在的 Modify Eligibility Decision Action 的参数上——就是此前在应用里手动点过的那一个。人和 Agent 共用同一个受控入口这是第 3 篇读、算、写分离的实物Agent 没有获得任何人类没有的通道。第五评测在发布之前。暴露 LLM 输出、建评估套件一个 Exact string match 评估器加三个测试用例恰好覆盖三个分支然后换一个模型重跑对比两次结果。这是第 4 篇换模型前先考试的最小版本。第六自动化有明确的触发和边界。函数以 user-scoped 模式发布Automation 的触发条件是新增 Patient 对象效果是对新患者运行评审函数。存量患者手动批量执行一次之后新患者自动处理——而 Manual review required 的患者留在队列里等人。三、训练环境刻意简化了什么训练环境的目标是短时间内跑通它省略的恰好是前几篇的重点。照单全收会把练习当成生产模板这张对照表标出差距练习做法生产要求对应篇目单个 Exact match 评估器、三个手写用例多类评估器组合、历史数据与扰动测试集第 4 篇Action 由 Agent 直接执行无审批按后果分级设计确认、暂存与多角色审批第 3 篇试验对象在 Automation 中写死为静态对象参数校验、对象存在性与业务前置条件检查第 3 篇练习按 user-scoped 模式执行区分 user-scoped、project-scoped 与 automation owner第 3 篇主要查看 Automation 事件和运行状态将 Metrics、Trace、Action Log 与业务结果关联第 4 篇练习里的资格评审是低风险写回改的是一个评审状态字段错了可以重评。把同样的Agent 直接执行 Action搬到采购下单或者付款流程就是另一回事了。四、环境差异你的实操可能长得不一样实操步骤以训练环境为准而你的 Enrollment 可能不同。卡住时先核对四项安装权限基础训练资产可能需要管理员安装模型清单可用模型取决于区域和管理员启用状态项目规范组织可能要求不同的命名、目录和权限结构界面版本按钮位置和名称会随产品更新发生变化。这些差异通常比步骤本身更容易造成卡点。这也是本文不搬运界面截图的原因它们过期得最快。五、动手时的七个自查问题每走到一个关键节点都停下来问一次自查点走到对应步骤时问自己输入Logic 的输入是对象还是文本属性怎样进入 Prompt分支三种结论在哪里定义信息不足时 Agent 被要求做什么写回Action 是谁创建的人在哪里手动用过它评测评估器测到了什么没测到什么对比换模型后哪个用例的结果变了触发自动化由什么触发范围是新增对象还是全量兜底Manual review 的患者最终由谁、在哪里处理七个问题都能回答这次实操的价值就拿满了答不上的那一个就是值得回读对应篇目的地方。结语实操的终点不是跑通了而是看懂了每一段连接为什么存在。一句话记住动手把链路搭起来只是第一步前几篇告诉你生产环境里每一环还要再加什么。会搭链路、会筛用例之后只剩最后一个问题从 Bootcamp 的快速冲刺到长期生产运行中间到底隔着哪些工程与组织工作下一篇收尾整个第一季。参考资料与证据说明资料来源本文用途Palantir LearnSpeedrun: Your First AIP Workflow语义层路径PDF 上传、Pipeline Builder、Chunk 与 Entity 对象、Vertex、Logic 与 WorkshopPalantir LearnSpeedrun: Your First Agentic AIP Workflow行动层路径Logic Agent、三分支 Prompt、Action 写回、Evals 与 Automate 配置本地归档palantir_learn2026-07 证据快照实操步骤与配置细节的本地核对依据
