ruc-datalab/EvoOntology

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的手动编写静态语义层的必要性，这些静态层会随着数据和工作负载的变化而迅速过时。

工作原理

该系统将语义层视为一个可训练的状态，随时间不断演化。它由三个相互关联的层级组成：

• 内容层：包含术语、映射、约束和证据的类型化语义图。
• 模式层：定义了语义层表示的规则和边界。
• 工具层：通过 Model Context Protocol (MCP) 工具将语义层暴露给代理，使代理能够按需仅检索其所需的具体语义，而无需在上下文窗口中处理整个语义层。

生命周期遵循一个循环：从工作负载证据构建初始语义层，用于代理任务，诊断交互轨迹以提出更新，评估这些更新是否相对于父版本有所改进，然后发布新版本。

适用人群

需要在异构且复杂的数据源上运行，而无需手动语义映射或持续专家维护的数据代理开发者。

主要亮点

• 自我演化：基于观察到的执行行为和交互历史，自动优化语义层。
• MCP 兼容：可作为通用插件集成到 Claude Code 和 Codex 等代理中。
• 基于证据构建：只有在与底层原始数据验证后，才会提交语义对象。
• 受控版本管理：只有在新版本相对于旧版本表现出可复现的改进时，才会发布新版本。