第 9 章：规则与约束

对象世界要能运行，不能只有对象、属性、关系和状态，还必须有规则与约束。

规则回答：在什么条件下，会发生什么动作或结果。

约束回答：哪些事情不能做，或者只能在特定条件下做。

没有规则，对象世界只是地图；有了规则，地图才变成系统。

比如在企业里，一个订单对象不是想改就改。谁能改？什么时候能改？改了以后是否需要审批？是否影响库存、收入确认、客户承诺和财务报表？这些都是规则和约束。

一个风险对象也不是随便标记。什么指标超过阈值算高风险？谁负责处置？多久必须响应？是否触发上报？是否影响权限？这些规则决定了系统能不能运转。

AI 要进入企业，最大难点之一就是规则与约束。普通聊天模型可以回答问题，但企业 AI Agent 如果要行动，必须知道它能动什么对象、不能动什么对象、什么动作需要审批、什么数据不能访问、什么状态不能跳过。

这就是为什么本体论在企业 AI 里重要。它不仅定义对象和关系，还必须连接权限、流程、规则和约束。否则 AI 只能停在建议层，不能进入操作层。

规则一般有几种类型。

第一种是业务规则。

比如客户信用不足不能发货；库存低于安全线触发补货；合同金额超过某个阈值需要高级审批；某类客户只能使用某类服务。业务规则把现实经验固化进系统。

第二种是权限规则。

谁能看什么数据，谁能修改什么对象，谁能批准什么动作，谁能把 AI 输出推到生产环境。权限规则决定系统安全边界。

第三种是流程规则。

任务必须按什么顺序推进，哪些状态不能跳过，哪些事件必须记录，哪些动作必须通知相关人。流程规则决定组织协作。

第四种是合规规则。

哪些数据不能跨境，哪些客户需要 KYC，哪些行业受监管限制，哪些模型输出必须留痕。合规规则决定公司能不能长期运行。

第五种是经济规则。

价格如何计算，成本如何分摊，收入何时确认，佣金如何发放，激励如何触发。经济规则会改变人的行为。

第六种是系统约束。

算力、延迟、可靠性、数据质量、接口限制、组织规模，都是约束。约束不是坏事，它让系统更真实。没有约束的分析往往是空想。

研究公司时，规则与约束经常被忽略。很多商业叙事说得很漂亮，但一进入规则层就破了。

比如一个 AI 产品声称可以替代企业员工完成复杂任务。但企业真实规则是：关键动作需要权限，敏感数据不能外流，决策需要审计，错误需要追责，流程不能跳过。如果产品不理解这些规则，就很难进入核心工作流。

再比如一个平台声称能撮合供需。但如果交易规则不清，责任归属不清，纠纷处理不清，信用约束不强，平台就很难长期稳定。

规则与约束也是护城河的一部分。

Apple 的生态强，不只是因为产品好，还因为它定义了开发者规则、应用审核规则、支付规则、隐私规则和系统权限规则。规则定义权就是权力。

Amazon 的强大，也来自规则系统：卖家如何上架、物流如何履约、广告如何竞价、评价如何影响排序、Prime 如何改变用户行为。它不是简单商城，而是一套规则驱动的交易系统。

Palantir 的价值更明显。企业客户的对象世界里，权限、责任、流程、合规非常复杂。Palantir 如果能把这些规则和对象模型连起来，就不仅是数据平台，而是行动系统。

J 系统做本体论公司研究时，要固定检查规则层：

规则与约束还有一个很重要的反演用途：判断故事能不能落地。

一个商业模式，如果只在“没有约束”的世界里成立，就不是真商业模式。真正的公司必须在成本、权限、监管、客户流程、组织能力、技术限制中运行。约束越真实，分析越可靠。

所以，规则与约束不是细节，而是现实世界的骨架。

最后压缩：

规则让对象世界可运行，约束让对象世界保持真实。

没有规则，AI 不能行动；没有约束，商业分析会变成幻想。研究公司，必须问：它不仅知道对象是什么，还知道什么能做、什么不能做、什么条件下可以做吗？