符号分离：以知识图谱约束深度智能体的运营数据分析

生成式AI有望以自然语言访问数据中心和工业4.0的大量数值遥测，但文本到查询和工具型智能体仍不可靠：即使前沿模型，也只正确回答略多于一半真实数据库问题，多步运营问题更少，因为模型必须推断异构来源如何关联，并会幻觉出关系而不仅是字段。我们提出符号分离：深度智能体自由推理，但只能通过本体约束的虚拟知识图谱操作数据，并在执行前做确定性验证。不同于工具API的接口契约，该领域语义契约把复杂问题转换为一次经验证的图遍历，替代大模型自行推断连接。我们将其实现为Neurosymbolic Deep Analyst，在49.9TB超级计算机遥测上与刚性工作流及非符号消融比较，端到端任务成功率由43%升至86%，阻止语法检查无法发现的静默数据完整性错误，并将token成本降低2.4倍，使较小本地模型优于更大模型。