结构化语义为什么是可靠 AI 分析的起点?
很多人讨论 AI 自动分析时,会先问模型够不够聪明、参数够不够多、推理链够不够长。但在真实的城市与建筑场景里,模型往往还没开始工作,分析流程就已经被数据拦住了。
原因并不神秘:同一个对象可能有不同名称,同一个指标可能使用不同口径,同一批数据可能处于不同空间与时间尺度。模型即使生成了形式正确的代码,也可能选错数据、算错指标,最后得到一个看似完整却无法复核的答案。
模型开始推理前,数据已经制造了三类障碍
我接触的几个问题看起来差异很大,但底层困难十分相似。
在城市能源研究中,年鉴、调查、文献与政府数据常常需要先统一口径,才能比较 63 个城市的能源服务需求;在建筑 BMS 场景中,AHU_SA_T、VAV-03-SP 之类的原始点位必须映射到统一语义,下游任务才知道它们分别代表什么;在政府与企业调研中,GIS、CAD、问卷、档案、人口和市场数据分散在不同系统里,分析者需要花大量时间寻找、改名、对单位和对尺度。
这些工作有一个共同特征:真正耗时的部分并不是“算”,而是让数据具备可以被计算的含义。
结构化语义会直接改变任务表现
结构化语义的价值不只在于让数据更加整齐。它会直接约束模型如何选表、如何连接实体、如何生成查询,以及哪些推理路径是被允许的。
第一,领域知识图谱可以提供实体、关系与约束。模型不再只依赖词语之间的表面相似度,而是可以沿着明确的领域关系寻找上下文。对于合同审查或建筑设备分析,这意味着答案能够指向具体对象与关系,而不是停留在模糊的语言联想上。
第二,显式 schema 与合法 join path 可以约束查询。复杂 SQL 的难点往往不是语法,而是哪些表可以连接、连接键是什么、不同尺度的数据是否能够合并。把这些关系写清楚,等于提前划定了一条可执行的计算路径。
第三,图结构可以限制推理边界。当模型必须在给定图结构上推理时,只有满足关系约束的推理步骤才被允许。这样做未必让模型“知道得更多”,却可以减少无依据的跳跃,让结果更可解释,也更容易追踪错误来自哪里。
因此,结构化语义带来的不只是信息检索能力,而是三种更关键的品质:更准确、更可解释,以及在证据不足时更克制。
现有系统能用数据,但还不一定会“正确地算”
城市数据平台、知识图谱和多源数据库已经能够支持许多任务:数据可以被获取、组织、查询,并服务于决策、社区能源估算或城市关系分析。但这里仍然缺少一个直接检验——数据到底应该怎么算。
一个自动分析系统至少要回答四个问题:
- 当前任务应该使用哪一组数据?
- 数据的空间、时间和对象范围是否一致?
- 指标的计算规则和适用边界是什么?
- 当信息不足或规则冲突时,系统能否停止,而不是补出一个答案?
前三个问题决定系统是否“算对”,第四个问题决定系统是否可靠。现实任务中的风险通常并不是模型拒绝回答,而是它在缺少必要数据时仍然给出一个流畅结果。
我想继续验证的问题
这形成了我目前最关心的研究问题:
结构化的数据范围、尺度与计算规则,能否让 LLM 更少用错数据、算错指标,并在信息不足时正确停止?
一种可能的系统形态,是在模型与原始数据之间增加可检查的语义和规则层:先把数据映射到统一语义,再根据任务生成计算计划;每一步都检查实体、尺度、单位和连接关系,最后输出带有数据来源与计算路径的结果。如果必要条件不满足,系统返回缺失信息,而不是继续猜测。
这项工作的目标不是让 AI 显得更聪明,而是让自动分析具备工程系统应有的边界感:知道自己用了什么、为什么这样算,也知道什么时候不应该算下去。
**前四页汇报中涉及的文献线索:**Tsybina et al. (Nature Cities, 2025);Sun et al. (Energy, 2025);Balaji et al. (Applied Energy, 2018);Zheng et al. (Automation in Construction, 2025);Awotunde et al. (Advanced Engineering Informatics, 2026);Luo et al. (ICML 2025);Ning et al. (NeurIPS 2023);Daneshfar et al. (Advanced Engineering Informatics, 2022)。