问题
为什么软件开发需要新范式？
传统软件开发中，有一个被长期忽视却极其关键的问题：组织内部的概念不统一。
市场部说"客户"，指的是潜在购买者； 销售部说"客户"，指的是已签约的合作方； 财务部说"客户"，指的是有应收账款的对象。
同一个词，三种含义。软件开发团队在该用什么实体、用什么字段、用什么关联上反复拉扯。 AI 在缺乏统一语义的环境中，更是难以理解需求、更难以自动生成代码。
本体论（Ontology）的引入，正是为了解决这个问题——让组织的所有概念显式化、规范化，形成组织自己的"数字语言"。
方法
本体论四层架构
从组织到任务，四层递进的数字化架构，让 AI 在语义清晰的上下文中工作。
🏢 01
组织数字化
组织与成员定义
显式化定义组织架构，符合组织现有术语体系。不是强迫组织适应系统术语，而是让系统适应组织的语言。
📊 02
对象数字化
管理信息架构
梳理管理对象及关系，建立管理概念模型。将实体对象、流程对象和关系对象显式建模，形成"组织数字化地图"。
🔄 03
流程数字化
需求分层体系
按战略层→业务层→功能层→技术层分层组织需求，每层语义明确、AI 可理解，在层间建立映射。
📋 04
任务数字化
任务流动可视化
灵活定义任务类型与流程，每个任务在本体图谱中有明确位置和关系，任务上下文永不丢失。
对比
范式跃迁
从需求文档到本体模型，从手写代码到 AI 自动生成。
| 维度 | 传统开发 | EntClaw 本体驱动开发 |
|---|---|---|
| 起点 | 需求文档 | 本体模型 |
| 建模工具 | Visio / Enterprise Architect | 本体编辑器（可视化图谱） |
| 沟通语言 | 自然语言（歧义多） | 本体语言（无歧义） |
| AI 理解 | 需大量 prompt 工程 | 本体即上下文，天然清晰 |
| 代码生成 | 部分生成，大量手写 | 高度自动化，人只需 review |
| 迭代速度 | 周级 | 天级甚至小时级 |
本质
本体论是软件开发生产线的"神经系统"
🔗
连接
将组织中分散的、碎片化的概念连接成一张有意义的网络
⚡
传导
让信息（需求、数据、规则）在组织内外顺畅流动
🎯
反射
让组织对业务变化产生快速的、本能的反应
有了本体论作为基础，EntClaw 这样的 AI 开发框架才能真正发挥价值—— AI 不是在真空中工作，而是在一个语义清晰、关系明确、规则显式的本体图谱中工作。
FAQ
常见问题
什么是 EntClaw？
EntClaw 是基于本体论构建的企业级分布式智能体平台。它以国产大语言模型（DeepSeek、GLM 等）为底座，通过三层分层架构将智能体矩阵、平台服务与模型适配解耦，支撑多智能体协同、任务编排、MCP 标准化工具调用与技能复用。核心理念是：你定义「是什么」，AI 负责「怎么做」；你定义「规则」，AI 负责「执行」。
什么是本体论？为什么软件开发需要它？
本体论（Ontology）是让组织的所有概念显式化、规范化的方法论。传统软件开发中，组织内部概念不统一是被长期忽视的关键问题——例如同一个「客户」概念，市场部、销售部、财务部各有不同含义。本体论通过显式建模解决这个问题，形成组织自己的「数字语言」，让 AI 能够在语义清晰的上下文中工作。
EntClaw 与传统 AI 编程助手（如 Copilot）有什么区别？
传统 AI 编程助手在代码层面辅助开发者，需要大量的 prompt 工程来提供上下文。EntClaw 从本体模型出发，将组织的管理对象、属性、关系和规则显式定义后，AI 可以自动生成数据模型、接口设计、业务代码和测试用例。本体即上下文，无需额外的 prompt 工程，实现从概念到代码的全链路自动化。
EntClaw 支持哪些大语言模型？
EntClaw 已支持 DeepSeek（深度求索）和 GLM（智谱清言），并通过统一的 ILLMService 接口和 LLMServiceFactory 设计，架构上支持扩展接入通义千问（Qwen）、文心一言（Ernie）、百川（Baichuan）等更多国产大模型。模型切换通过租户凭证配置驱动，无需修改代码。
什么是 MCP？EntClaw 如何使用 MCP？
MCP（Model Context Protocol）是标准化的工具调用协议，用于定义 AI 智能体与外部工具之间的交互方式。EntClaw 内置了进程内 MCP 服务器，提供了 delegate_task（任务委派）、create_analysis_tasks（创建分析任务）、get_codebase_context（获取代码库上下文）等核心工具，并可通过 MCP 协议对接外部工具生态。