Wink Pings

五个本体项目里,只有一个把消融实验做了

九原客列了五个 Data Agent 本体项目,EvoOntology 是唯一做了 Bench 和消融对比的。评论区更关心评估集谁维护,以及本体自进化到底解决什么问题。

Data Agent 在国内常叫智能问数、数据智能体。九原客在 X 上列了五个本体相关项目,并给出一套落地顺序:先建评估集,再自动构建本体结构,人工 Review 优化,最后根据 Bad case 自动进化。

image

图源:九原客 X 帖子

按九原客的整理,五个项目分别是:

  • microsoft/Ontology-Playground:面向 Microsoft Fabric IQ 的纯静态可视化本体探索、设计与教学试验场。
  • fuyuxiang/ontology,元枢本体 · Yuanshu Ontology:对标 Palantir Foundry/AIP 理念的企业级可运行本体全栈平台。
  • NVIDIA/auto-ontology:英伟达开源,BEAVER 榜单 #1,BIRD-Interact #2,企业级自动化数据本体编译与高可靠 Text-to-SQL 平台。
  • gogoymh/auto-ontology-mcp:衍生自 NVIDIA/auto-ontology,无模型托管(BYO-Client-LLM)的轻量级 MCP 语义层与 Obsidian 结构化知识库服务器。
  • ruc-datalab/EvoOntology:中国人民大学 Datalab 开源,配套论文 EvoOntology-2609.15779.pdf,面向异构数据 Agent 的轨迹驱动自进化本体层。

九原客对 EvoOntology 的判断很直接:它是唯一做了 Bench、消融对比,而且实现 Ontology 进化的项目,做法是用 Agent 读 Trace,迭代 Ontology 结构。要发论文,实验就绕不过去。评论区 KAI XU 也提到,五个里只有它做了消融对比,挑的时候至少知道哪部分真起作用。

本体在这里可以理解成业务语义层,告诉 Agent 表、指标、口径之间怎么连。九原客给的落地顺序是:建设评估集,自动构建本体结构,人工 Review 优化,根据 Bad case 自动进化。

评论区真正集中的是两个问题。生晓bai说,数据 Agent 最怕演示时什么都会,上线后没人说得清它哪里错了,先有评估集才是正路。白加黑补了一句,评估集不建,本体改来改去也不知道是变好还是变坏。陈小艺和会输都在问,评估集怎么起,谁来维护。

另一个问题来自幽浮猫大大:Ontology 的目标是和目标系统对接,让 Agent 知道自己在某个位置能做些什么。如果后端没有变化,Ontology 自进化看起来没有意义。这个问题不轻。九原客在回复里区分了 GraphRAG:和 GraphRAG 不一样,本体这里只是提供语义层提示词注入,最终还是生成 SQL。

评论区混进机器人,几个追问倒不假。选型时,先看评估集,再看消融,最后再谈自进化。

发布时间: 2026-11-17 22:32