•
AIP是建構在Foundry基礎上的，AIP通過兩種方式疊加Foundry，一種是AIP新開發的模組，另一種是AIP在Foundry已有模組上疊加了AI能力。
AIP 在Foundry上是怎麼疊加的呢？一句話總結，Foundry = 資料 & 本體平台；AIP = 在這平台之上，把 LLM / Agent / 評估 / AI 加速能力澆上去的一整層。
所以從Foundry到AIP，我們看到的每個模組，大致會有兩類變化：
一是新增 AIP 專屬模組：比如AIP Logic、Agent Studio、Document Intelligence、Evaluation Suites。
二是在原模組上加一層 AI：比如 Transform 裡可以用 LLM 生成表示式，Workshop 裡多了一些 AIP AI Widget，Code Workspace 裡多了 AI coding 助手。
Foundry主要解決：
- 資料接入
- 資料編排(Transform / Pipeline)
- 本體建模(Ontology)
- 應用搭建(Workshop等)
- 權限、安全、治理
AIP疊加：
- 模型目錄&LLM呼叫
- AIP Logic（AI邏輯）
- Agent / Copilot（會用本體和邏輯的智能助手)
- Document Intelligence(文件→結構化資料)
- Evaluation & Telemetry（評估、監控、成本/效果治理)
- 一套AIP Widgets,把AI嵌入Workshop應用。
我們按照模組拆解來分析一下。
Foundry中的Ontology定義了業務對象 /關係 /屬性/行為（飛機、訂單、任務、事件…），做資料建模、血緣和授權邊界。
AIP則疊加了如下內容。
1，LLM 對 Ontology 的語義對應
Agent /Logic可以把自然語言問題對應到 Ontology 的對象、關係、屬性上，再發起查詢或寫入。比如“給我看最近 24 小時高風險告警的 起因分佈”，AIP 會在後台轉成對 Ontology查詢 + 加工邏輯。
2，受控寫回必須通過 Logic 執行
任何 AI 生成的改資料行為，比如更新狀態、生成行動計畫對象等，都要通過 AIP Logic 函數去寫回 Ontology。本質上是Ontology為權威真相源，AIP 是一個能讀能算，但寫回必須走安全通道的層。這也解決了LLM幻覺問題。
3，安全邊界傳導到 LLM
使用者對 Ontology 的權限，包括能看那些對象/欄位，會決定 LLM 呼叫時能看到那些資料片段。這樣可以避免AI 聊天時突然看到了不該看的對象。
Ontology 對 AIP 來說就是AI 的眼睛看到什麼、手能改什麼的硬邊界。
Foundry原生角色是低程式碼配置各種業務應用 UI，包括表格、圖表、表單、地圖、按鈕、工作流面板。
AIP 疊加了如下AI模組
1，AIP AI Widgets（AI元件）
Chat Widget：跟 Agent 或 Logic 對話，問題會自動帶上當前上下文，包括選中的對象、過濾條件…。
Logic Chain / Reasoning View：顯示 AI 做決策/推理的步驟，可視化它是怎麼得出結論的。
Action Panel：列出 AI 推薦的行動（基於 Logic 函數），使用者一鍵執行。
Explanation Widget：解釋某個指標變化、某次推薦的原因。
2，Context Binding（上下文繫結）
每個 Widget 可以繫結到具體 Ontology 對象或列表，比如當前選中的訂單、當前選中的任務集合。這樣 Chat 問一句：這批任務裡那些最有風險？Prompt 裡已經自動帶上這批對象的結構化資料。
3，人類在環（Human-in-the-loop）UI 模式
通常是這樣的互動路徑：1）使用者選對象 → 2）AI 分析 & 給出建議 → 3）使用者在介面上修改/確認 → 4）觸發 Logic（Action）寫回 Ontology。AIP 不主張全自動黑箱，而是強調有態勢、有建議、有按鈕。
Workshop + AIP = 用元件把 Agent/Logic 和本體對象拼成一套決策面板。
Foundry 原生角色包括Transform負責單個資料轉換節點（SQL、Pyspark、Code Repo 等）。Pipeline負責把多級 Transform 串成完整資料流程。
AIP 疊加了以下內容
1，AIP Document Intelligence →自動生成 Transform
針對 PDF / 圖片 / 合同之類，在 Document Intelligence 裡先實驗各種提取策略，如LLM 抽取、範本識別等。選好一種方案後，一鍵生成 Transform，把它部署到一個媒體集上去跑。文件解析的邏輯被轉化為標準 Transform，進入使用者已有的資料管道體系。
2，AIP-Accelerated Pipeline Builder
在配置 Transform 時，用 LLM 自動生成欄位對應、正規表示式、公式或校驗規則、豐富欄位含義說明，自動文件化。但真正跑的時候仍是傳統引擎（Spark/SQL/…），LLM 只是幫寫程式碼/邏輯，只是個程式碼生成工具而已。
3，資料清洗 & 標註場景裡用 LLM
利用 LLM 做分類、實體識別、質量檢測，比如：根據異常日誌生成標準錯誤類型。從自由文字中提取 structured 欄位寫入表。
在 Transform & Pipeline 上，AIP 是幫設計更聰明的資料管道 & 結構化非結構化，而不是搶它的執行權。
Foundry 原生角色包括Code Workspaces：Jupyter、Python / Java / SQL 開發環境。Functions / Code Repository：可復用的程式碼單元，供 Transform、應用等呼叫。
AIP 疊加了如下內容
1，AI Coding Assistant
類似企業版 Copilot，幫寫/改/解釋程式碼和 SQL。生成測試樣例、註釋和文件。重點是結合了平台裡的資料模型和 Ontology，上下文更懂使用者自己的環境。
2，呼叫 AIP Logic / Models 變得自然
在 Notebook 或 Functions 裡，直接使用 SDK/客戶端呼叫 AIP Model Catalog 裡的模型或 Logic 函數，比如在 Notebook 裡跑一段 LLM-based 分類試驗，調通後再把這塊邏輯固化成 Logic 涵數/Transform。
3，面向外部整合的實驗場
可以在 Notebook 裡先用 AIP 的模型 + 企業資料做 PoC，然後把成功的邏輯上升成正式的Logic / Transform / Agent / Workshop 應用。
對開發者來說，AIP 就是把 AI 模型 / Logic / Agent”變成隨手可呼叫的基礎設施，嵌入到原來的工程工作流裡。
Foundry 原生角色包括Compute Module把自訂 Docker 鏡像部署成可呼叫的計算服務。外部系統整合連接第三方 API、資料庫、SaaS 等。
AIP 疊加了如下內容
1，把外部服務掛成 Agent 的工具
AIP Agent / Logic 可以通過工具呼叫模式，呼叫使用者的 Compute Module（演算法服務、最佳化器、模擬器…），外部系統 API（工單系統、ERP、CRM、調度系統…）。所以我們可以做：LLM → 決定要呼叫那個最佳化器 → 呼叫 Compute Module 跑運籌/模擬 → 返回結果 → AI 解釋 & 建議執行。
2，封裝成 AIP Actions
為某個 Compute Module 或外部 API 封裝成 Logic 函數 + Action，在 Workshop 裡，使用者點按鈕時，走的是UI → Action → Logic → Compute / 外部系統 → 寫回 Ontology。Agent 同樣可以觸發這些 Action，只是多了一層 AI 決策。
Compute Module / 外部系統對 AIP 而言，就是Agent 的工具列和Logic 的算子庫。
Foundry 原生角色包括統一身份認證、權限管理、審計、血緣、合規配置。
AIP 疊加了
1，Evaluation Suites（LLM / Agent 評估）
為 Prompt、Agent、Logic 呼叫配置測試用例，各類輸入 → 期望行為 / 輸出 → 自動打分。用於回歸測試和版本對比，換模型/改 Prompt 後，能否在既有用例上保持或提升表現。
2，LLM 呼叫可觀測性
記錄每一次 Agent/Logic 呼叫模型的輸入、輸出、Token 量、延遲、錯誤。方便做調優、成本控制、問題回溯。
3，權限粒度下沉到 AI 行為
不同角色看到的 Agent 能力不同，比如能不能執行寫回 Action，能不能訪問某類敏感對象，系統保證AI 不可能越權看到或修改使用者無權訪問的資料，這是繼承自 Foundry 的能力。
Foundry 管資料的安全，AIP 在其之上管AI 的安全 & 效果。
總體來看，Foundry 像作業系統OS，負責接資料、建本體、做權限、安全、血緣、應用框架（Ontology、Pipeline、Workshop…）。AIP 像這套 OS 上的AI 超能力套件，把 LLM、Agent、Document Intelligence、Logic、Evaluation 等能力，嵌進 Foundry 的每個模組，讓資料和應用變成會思考、會給方案、能執行的系統。先有 Foundry 打底，資料 + 本體 + 權限；再有 AIP 上樓，模型 + Logic + Agent + 決策應用。
沒有 Foundry，AIP 無法真正懂業務；有了 AIP，Foundry從資料平台升級成決策平台。 (壹號講獅)