ruc-datalab/EvoOntology

解決的問題

EvoOntology 解決了 AI 代理難以理解原始資料來源（如表格、檔案和資料庫）語義的「代理-資料鴻溝」問題。它解決了語義不確定性問題——即代理必須猜測指標定義或實體關係——並消除了需要高成本手動撰寫靜態語義層的必要性，這些靜態層會隨著資料和工作負載的變化而迅速過時。

工作原理

該系統將語義層視為一個可訓練的狀態，隨時間不斷演化。它由三個相互關聯的層級組成：

• 內容層：包含術語、對應、限制和證據的類型化語義圖。
• 模式層：定義了語義層表示的規則和邊界。
• 工具層：透過 Model Context Protocol (MCP) 工具將語義層暴露給代理，使代理能夠按需僅檢索其所需的特定語義，而無需在上下文視窗中處理整個語義層。

生命周期遵循一個循環：從工作負載證據建構初始語義層，用於代理任務，診斷互動軌跡以提出更新，評估這些更新是否相對於父版本有所改進，然後發布新版本。

適用對象

需要在異構且複雜的資料來源上運作，而無需手動語義對應或持續專家維護的資料代理開發者。

主要亮點

• 自我演化：基於觀察到的執行行為和互動歷史，自動優化語義層。
• MCP 兼容：可作為通用外掛整合到 Claude Code 和 Codex 等代理中。
• 基於證據建構：只有在與底層原始資料驗證後，才會提交語義物件。
• 受控版本管理：只有在新版本相對於舊版本表現出可重現的改進時，才會發布新版本。