ruc-datalab/EvoOntology

EvoOntology: A Self-Evolving Ontology Layer for Data Agents ⚙️ EvoOntology插件为Claude Code/Codex 建立&进化本体层

何を解決するか

EvoOntologyは、AIエージェントがテーブル、ファイル、データベースなどの生データソースの意味を理解できないという「エージェント-データギャップ」を解決します。意味の不確実性(メトリクス定義やエンティティ関係を推測しなければならないこと)の問題を解消し、すぐに陳腐化してしまう高コストな手動メンテナンスの静的意味層の必要性を排除します。

動作方法

自己進化型のオントロジー層を実装し、トレーナブルなエージェント状態として機能します。システムは以下のライフサイクルに従います:

  1. 構築:ワークロードから候補概念を導出し、生データと照合して初期バージョンを作成。
  2. 使用:データエージェントはMCP(Model Context Protocol)ツールを介してオンデマンドでこの層に問い合わせ、全体のオントロジーをプロンプトに埋め込む必要がありません。
  3. 進化:進化エージェントが相互作用の軌跡を分析し、エラーを診断し、局所的な更新を提案。
  4. 評価:新しい候補は、同じデータと予算を使って親バージョンと比較され、再現可能な改善を確認。
  5. 公開:検証された改善のみが新しいバージョンとして公開されます。

オントロジーは3つのレイヤーで構成されています:コンテンツレイヤー(用語、マッピング、制約の意味グラフ)、スキーマレイヤー(表現のルール)、ツールレイヤー(MCPツールによる参照と意味の解決)。

対象ユーザー

異種のデータソース上で動作するデータエージェントを開発する開発者、およびエージェントが繰り返しデータ探索や手動の意味マッピングに依存するのを減らしたい人。

特徴

  • MCP対応:Claude CodeやCodexなどのエージェントにスムーズにプラグインとして統合可能。
  • 自己進化:実際の実行行動に基づいて知識ベースを継続的に精緻化。
  • ワークロードに基づく:下位データとの照合後にのみ意味オブジェクトをコミット。
  • ゲート付きバージョニング:測定可能なパフォーマンス向上が見込まれる場合にのみオントロジーの更新が行われる。

関連

  • プロジェクト
  • プロジェクト
  • プロジェクト
  • プロジェクト
  • プロジェクト