一页结论
判断：Ontology Playground 是一个面向 Microsoft Fabric IQ Ontology 的开源学习和设计工具。它把本体从抽象概念变成了可视化图谱、目录案例、设计器、RDF/XML 导入导出、教学课程、可嵌入组件和社区 PR 流程。对企业 AI 来说，它展示了一个方向：Agent 不应只靠提示词理解业务，而应连接一套明确的实体、属性、关系、约束和数据绑定。
对 WorkBuddy 的启发：这类工具适合放在“行业知识建模 / 业务语义层 / Agent 上下文工程”叙事里。WorkBuddy 如果要从办公助手走向行业场景交付，也需要把案例、字段、指标、角色、流程、权限和动作沉淀成可维护的业务本体，而不是散落在 prompt、文档和演示话术里。
为什么现在值得看
Microsoft Learn 已把 Fabric IQ 描述为 Microsoft IQ 体系中的企业数据语境层；Ontology 是 Fabric IQ 的 preview 核心项之一，用来统一业务概念并给人和 AI Agent 提供一致语义。
最重要的边界
Playground 本身是开源静态前端和学习工具，不等于 Fabric IQ 产品全能力。真正的数据治理、OneLake 数据绑定、权限和企业查询执行仍属于 Microsoft Fabric 体系。
项目快照
| 项目 | microsoft/Ontology-Playground |
|---|---|
| 在线体验 | microsoft.github.io/Ontology-Playground |
| 定位 | 学习、浏览、设计、校验、导出和分享 Fabric IQ 风格本体的开源 Web 应用 |
| 创建时间 | 2026-02-17 |
| 最近 push | 2026-06-19 |
| GitHub 热度 | 2,121 stars、251 forks、16 open issues（2026-07-22 API 快照） |
| 许可证 | MIT |
| 技术栈 | React 19、TypeScript 5、Vite、Cytoscape.js、Zustand、Framer Motion、Lucide Icons |
Fabric IQ 背景
微软官方文档把 Fabric IQ 放在 Microsoft IQ 体系中：Work IQ 负责员工工作语境，Foundry IQ 负责政策和权威文档，Web IQ 负责 Web 语境，Fabric IQ 负责业务实体和数据语境。它的核心目标是把企业数据提升到业务语言层，让人和 Agent 用“客户、订单、资产、发货、风险”等业务概念推理，而不是只理解表、列和查询语法。
Ontology 在 Fabric IQ 中处于 preview 状态。官方定义里，本体由 entity types、entity instances、properties、relationships、data bindings、ontology graph 和 NL2Ontology 查询层构成。换句话说，它不是单纯画知识图谱，而是把概念定义、数据绑定、图关系、自然语言查询和治理约束连起来。
Playground 能力拆解
| 能力 | 说明 | 价值 |
|---|---|---|
| 图谱浏览 | 用 Cytoscape.js 渲染本体节点和关系，支持平移、缩放、搜索和节点属性查看 | 把“业务概念之间的关系”变成能讨论的对象 |
| 本体目录 | 内置零售、电商、医疗、金融、制造、教育等官方和社区案例 | 降低从空白开始建模的门槛 |
| 可视化设计器 | 添加实体类型、属性、关系、基数、颜色、图标，带实时校验和预览 | 让业务和数据团队可以共同审阅模型 |
| RDF/XML 导入导出 | 支持 OWL class、datatype property、object property 和 cardinality 的往返 | 和标准语义 Web/本体工具链保持兼容 |
| Ontology School | 提供课程、实验、presentation mode 和 quiz | 把工具做成 enablement 资产，不只是 demo |
| 嵌入组件 | 提供自包含 JS widget，可把交互图谱嵌入其他页面 | 适合报告、门户、培训材料复用 |
| 社区贡献 | 可通过 GitHub device flow 发起 catalogue PR | 把行业模板逐步积累成公共资产 |
企业 Agent 的真实含义
很多企业 Agent 项目的问题不是模型不会回答，而是业务语义没有统一：同一个“客户”在 CRM、订单、工单、合同和财务系统里含义不同；同一个“收入”在销售、交付和财务视角里口径不同。靠 prompt 写一段“请理解我们的业务”只能短期补丁，不能长期治理。
本体层的价值在于把这些内容变成显式资产：有哪些业务对象、对象有哪些属性、对象之间如何连接、哪些字段是标识、哪些关系有方向和基数、哪些数据源绑定到哪个概念。Agent 再调用工具或回答问题时，至少有机会沿着统一语义推理，而不是每次重新猜。
对 WorkBuddy 的借鉴
1. 行业包从案例升级为本体
现在的行业演示往往由案例、截图、话术和 prompt 组成。下一步可以把“角色、对象、指标、动作、风险、产出物”抽成行业本体，例如零售的门店、SKU、会员、活动、订单、库存、渠道和毛利。
2. 让 Agent 有稳定业务词典
WorkBuddy 的智能体如果共享同一套业务词典，就能减少“同义词、指标口径、流程边界”带来的漂移。销售 Agent、运营 Agent、合同 Agent 和客服 Agent 可以围绕同一批实体协作。
3. 交付物可以变成可视化资产
客户不一定愿意读厚文档，但愿意一起看图。用图谱说明业务对象和关系，适合作为售前澄清、需求访谈、交付验收和培训材料的一部分。
4. 知识治理要前置
如果没有版本、权限、字段来源、更新时间和负责人，本体也会变成另一份失控文档。WorkBuddy 可借鉴的是“建模 + 校验 + 发布 + 贡献”的闭环，而不只是画图。
可落地方案
| 阶段 | 动作 | 产出 |
|---|---|---|
| 第一周 | 选一个行业场景，例如美妆零售或制造销售，整理 15-30 个核心实体和 30-60 条关系 | 行业本体草图、字段表、术语表 |
| 第二周 | 把现有 WorkBuddy 案例映射到实体和动作，标出每个 prompt 依赖哪些业务对象 | 案例-本体映射矩阵 |
| 第三周 | 做一个静态可视化页面，支持浏览实体、筛选关系、复制示例问题 | 售前演示版行业知识地图 |
| 第四周 | 把本体接入 Agent 配置和检索流程，评估回答一致性和口径错误率 | Agent grounding 小闭环验证 |
风险与注意事项
- Preview 风险：Fabric IQ Ontology 仍是 preview，产品形态、API 和文档口径可能继续变化。
- 不要过度建模：本体不是越大越好。先覆盖高频业务问题和跨系统歧义点，再扩展长尾概念。
- 数据绑定是难点：静态图谱容易做，真正难的是字段口径、数据质量、权限和更新机制。
- Agent 不能只靠本体：本体提供语义框架，还需要检索、工具、权限、审计、评测和人工确认配合。