面向异构业务系统的超图企业智能体推理器

针对大语言模型在异构企业系统中应用时存在的幻觉及多跳、N 元推理失败问题，本文提出 HEAR，一种基于分层超图本体的企业智能体推理器。该系统通过虚拟数据接口层与编码业务规则的超边层，构建证据驱动的推理循环，动态编排本体工具以实现结构化多跳分析，无需重新训练模型。在供应链任务评估中，HEAR 准确率高达 94.7%，并能自适应降低 Token 成本，为企业智能提供了可扩展且可审计的基础。