arno
feaf9d36b4
- 添加本体论、ClaudeCode、Crablet、SpecKit 等技术文档 - 添加 AgentSkills、OpenClaw、Pencil、VSCode 等工具文档 - 添加 allenai 研究文档和 README 说明
72 lines
6.2 KiB
Markdown
72 lines
6.2 KiB
Markdown
# 本体论 Ontology
|
||
|
||
## 关键字
|
||
|
||
- 面向对象 Object-Oriented
|
||
- 实体关系图 Entity-Relationship Diagram
|
||
- 知识图谱 Knowledge Graph
|
||
- 本体 Ontology
|
||
- 自动化本体学习
|
||
- 可微分推理
|
||
|
||
## 参考
|
||
|
||
- [Harness Engineering 的全新内部工程方法论](https://www.infoq.cn/article/MCUXGhyIRqPLkFhljY9v)
|
||
- [Harness engineering: leveraging Codex in an agent-first world](https://openai.com/index/harness-engineering/)
|
||
- [Skills：从编程工具的配角到Agent研发的核心](https://mp.weixin.qq.com/s/OmA2xcmpXNITxbR5bTsT6w)
|
||
- [全面解析：本体论驱动的数据智能决策体系、应用场景与经典案例](https://www.sohu.com/a/982367249_453160)
|
||
- 构建AI可理解的业务知识框架，驱动新一代数据智能决策体系
|
||
- 本体论的核心优势在于，它提供了一个超越特定技术栈、特定数据库的通用语义层，能够统一组织内的概念认知，实现数据在更高层面的互操作性和可推理性，是构建真正智能决策系统的基石。
|
||
- 本体论的核心要素
|
||
- 对象类型（Object Type）
|
||
- 本体论为知识图谱提供严谨的语义基础和推理能力，使其从单纯的数据关联走向智能推理。
|
||
- Palantir Foundry的“对象”（Objects）概念既是本体论定义的“对象类型”，也是知识图谱中的“实体”
|
||
- 本体论定义了领域知识的Schema层（概念框架、属性、关系类型、公理），是知识的骨架，关注知识的定义和推理规则。
|
||
- 知识图谱是基于本体Schema构建的Data层（实例数据），是知识的血肉，由海量事实（实体-关系-实体三元组）构成。它关注具体知识的组织和关联。
|
||
- 属性（Properties）
|
||
- 关系（Links）
|
||
- 公理（Axioms）
|
||
- 本体论（Ontology） + 大语言模型（LLM） + 多智能体（Multi-Agent）
|
||
- 奎因提出 本体论承诺（ontological commitment）
|
||
- 一个知识系统若能通过清晰的概念定义、属性约束和关系规则实现内部一致性与自洽，即便不追求“绝对真理”，也具备有效的本体论基础
|
||
- 概念形式化（Conceptual Formalization）
|
||
- 关系显式化（Explicit Relation Definition）
|
||
- 规则与推理机制（Rules and Inference Mechanisms）
|
||
- 本体论超越传统数据模型的关键在于引入了“公理”（Axioms）与“推理规则”
|
||
- 单一数据库的局限
|
||
- 关系数据库（如PostgreSQL）：擅长结构化数据存储与事务一致性，但处理复杂关系推理（多跳查询）效率低下，缺乏原生公理执行能力。
|
||
- 图数据库（如Neo4j）：擅长关系存储与基于图的推理（路径查询），但对复杂属性管理和事务一致性支持不如关系数据库，处理时序数据效率不高。
|
||
- 时序数据库（如TDengine）：擅长高并发写入、高吞吐量的时序数据（如传感器数据、日志），但缺乏复杂的关联查询和推理能力。
|
||
- 向量数据库（如Milvus）：擅长语义检索、相似度匹配，但难以管理结构化信息和复杂的业务逻辑。
|
||
- [基于本体论与大模型的新一代智能应用开发体系](https://zhuanlan.zhihu.com/p/1953779450626962627)
|
||
- 本体的尽管本体系具有巨大潜力，但仍面临诸多挑战：
|
||
- 本体构建成本：高质量本体的设计需要领域专家深度参与，初期投入较大。目前行业中有部分从数据库ER图、应用设计图UML自动生成对应本体Ontology的技术探索可供参考。
|
||
- 动态演化：业务规则频繁变化，需建立本体版本管理和动态更新机制。
|
||
- 性能开销：实时推理可能引入延迟，需优化推理算法和缓存策略。
|
||
- 安全与权限：MCP接口需严格的安全控制，防止未授权调用。
|
||
- 未来，随着 知识图谱、自动化本体学习、可微分推理 等技术的发展，本体系将更加智能化和自动化。我们预见，**本体将成为企业数字资产的核心组成部分，而大模型将成为连接知识与行动的智能代理。**
|
||
- 软件开发将从“编写代码”转向“构建知识”和“设计智能”，开启人机协同的新纪元。
|
||
- [AI+软件工程的加速演进：2028年会呈现怎样的实景？](https://www.sohu.com/a/989732747_453160)
|
||
- [Palantir Foundry](https://www.palantir.com/platforms/foundry/)
|
||
- [Foundry Platform SDK](https://github.com/palantir/foundry-platform-python)
|
||
- [Ontology SDK](https://www.palantir.com/docs/foundry/ontology-sdk/overview/)
|
||
- [console](https://www.palantir.com/docs/foundry/developer-console/overview)
|
||
- [toolchain](https://www.palantir.com/docs/foundry/dev-toolchain/overview)
|
||
- 企业级实用本体论及构建指南系列
|
||
- [Palantir 数据建模的哲学与实践](https://blog.csdn.net/xianggll/article/details/156512850)
|
||
- [Palantir Foundry如何将组织数据映射到本体概念及关键设计考量](https://blog.csdn.net/xianggll/article/details/156540178)
|
||
- [Palantir Foundry中的对象、事件与时间序列](https://blog.csdn.net/xianggll/article/details/156560480)
|
||
- [通过Foundry Actions激活数据生态系统](https://blog.csdn.net/xianggll/article/details/156647844)
|
||
- [UINO 优锘科技](https://www.uino.com/)
|
||
- 本体智能
|
||
- [（一）为什么你的AI项目，总是"差点意思"？](https://zhuanlan.zhihu.com/p/81787560659)
|
||
- [（二）传统架构与AI原生需求之间的四大“鸿沟”](https://zhuanlan.zhihu.com/p/1964639741694682418)
|
||
- 智能问数从朴素到科学
|
||
- [一：为什么智能问数止步 Demo？](https://mp.weixin.qq.com/s/GyjPpQy1R3StX82kRlnPGQ)
|
||
- [二：文档 RAG 问数的天花板](https://mp.weixin.qq.com/s/SMjKeyipSmu3znlEwkyTLg)
|
||
- [三：Text-to-SQL 的准确性困境](https://mp.weixin.qq.com/s/nhzE86G_asPKLDz-G_VIww)
|
||
- [四：指标语义化的边界](https://mp.weixin.qq.com/s/MMtESifieEJVpOE4c6Z7uw)
|
||
- [Palantir本体论深度解读：企业AI的语义操作系统从数据孤岛到智能决策的革命性跨越](https://zhuanlan.zhihu.com/p/1968630511132991727)
|
||
- [Ontology Building – 打造组织的运营层与数字孪生](https://blog.csdn.net/xianggll/article/details/158568659)
|
||
- [Palantir的本体论实践：一套方法论与四个应用场景](https://www.eet-china.com/mp/a465449.html)
|