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
解决的问题
EvoOntology 解决了 AI 代理难以理解原始数据源(如表格、文件和数据库)语义的「代理-数据鸿沟」问题。它解决了语义不确定性问题——即代理必须猜测指标定义或实体关系——并消除了需要高昂成本、手动维护且很快过时的静态语义层的必要性。
工作原理
它实现了一个自我演进的本体层,作为可训练的代理状态。该系统遵循特定生命周期:
- 构建:从工作负载中推导候选概念,并与原始数据进行验证,创建初始版本。
- 使用:数据代理通过 MCP(模型上下文协议)工具按需查询此层,而不是将整个本体注入提示中。
- 演进:一个演进代理分析交互轨迹,诊断错误并提出局部更新。
- 评估:使用相同的数据和预算将新候选与父版本进行比较,以确保可复现的改进。
- 发布:仅将经过验证的改进发布为新版本。
本体由三层构成:内容层(术语、映射和约束的语义图)、模式层(表示规则)和工具层(用于浏览和解析语义的 MCP 工具)。
适用人群
需要在异构数据源上运行的数据代理开发者,以及希望减少代理对重复数据探索和手动语义映射依赖的人。
亮点
- MCP 兼容:可无缝作为插件集成到 Claude Code 和 Codex 等代理中。
- 自我演进:基于实际执行行为持续精炼其知识库。
- 工作负载驱动:仅在与底层数据验证后才提交语义对象。
- 受控版本管理:确保只有带来可衡量性能提升的更新才会被发布。
相关
- 项目
- 项目
- 项目
- 项目
- 项目