模板即本体：面向跨域制造业AI验证的可配置合成数据基础设施

基于大语言模型（LLM）的AI代理部署在制造业环境中需要被填充且符合模式规范的数据用于验证，然而生产MES数据受制于专有、隐私限制且厂商特定。本文引入模板即本体（Template-as-Ontology）原则：一个单一的Python配置模块（700-770行，45个验证导出）同时作为时序制造 simulator 的规范，以及AI分析工具的运行时域模式，实现通过单一来源消费而非集成的对齐。我们正式定义域模板为带类型关系配置模式，证明仿真层与工具层之间的结构对齐由单一来源消费保证。一个五层管道——仿真、PostgreSQL、CDC/Iceberg湖仓、星型模式和12个参数化AI工具——生成横跨66种实体类型的、符合ISA-95/IEC 62264映射的四个运营域的因果连贯、MES形态数据。我们通过六个行业模板（航空航天、制药、汽车、电子、饮料、仓储）在相同框架代码下运行进行验证。校准实验（60次运行，每组模板10个随机种子）确认参数可控性：观察到的关键性能指标在所有模板中均落入配置范围内。一个受控幻觉实验（72次工具调用，Qwen3-32B）表明，受本体约束的参数消除了工具参数虚构（受约束0% vs. 无约束43%的幻觉率，Fisher精确检验p < 10^-12）；0%的受约束率是一种架构保证，对任何模型都有效。该框架为离散制造业AI验证提供可重用的数据层。