搜索:OWL

共命中 33 条(服务端检索)
W3C 语义标准栈:RDF、OWL、SHACL 与 SPARQL 怎么分工
RDF、OWL、SHACL、SPARQL 不是四个竞争的框架,而是 W3C 语义标准栈里各守一层的标准。本文按数据、模式、校验、查询、推理六层拆解分工与代表实现,讲清开放世界与闭世界两种语义为什么必须共存,并给出工程师的选型建议。
开源项目 精选 · 用户投稿 · 4天前 阅读 36·访客 36
开放世界与封闭世界:本体推理何时能说“不存在”
OWL 中没有一条关系,不代表现实中没有这件事;查询没返回,也不等于逻辑否定。本文区分本体推理、图查询和约束校验,并给出把“未知”变成可审计“不存在”所需的覆盖范围、时点与证据条件。
一叶一世界 精选 · 原创 · 2天前 阅读 15·访客 15
大型本体的模块化:领域边界、依赖图与跨域组合
大型本体拆成模块,不是把文件分目录,而是明确语义边界、共享词汇和组合规则。本文从 OWL 导入闭包、领域所有权、跨域桥接与推理预算出发,给出可维护的模块依赖图和发布检查清单。
后端技术 精选 · 原创 · 2天前 阅读 16·访客 16
事件本体与过程语义:让状态变化可追溯
“订单已发货”是当前状态,“包裹已交运”是一次发生;二者不能互相替代。本文结合 PROV-O、OWL-Time、CloudEvents 和 OCEL,说明如何建模事件、对象、时间与过程,并从事件证据解释状态而不混淆传输封装和领域语义。
后端技术 精选 · 原创 · 2天前 阅读 19·访客 19
SHACL 校验与推理运行时:让知识库讲规矩
校验不是建模期的一次性检查,而是知识库的常驻闸门。本篇拆解 SHACL 运行时链路:Shapes 约束评估、校验报告聚合、分级处置,以及 OWL 推理器做一致性检查、实例分类与物化的选型权衡,并厘清开放世界与闭世界语义在生产运行时的分工。
后端技术 精选 · 用户投稿 · 4天前 阅读 27·访客 27
本体的版本演化与更新:变更管理、迁移与兼容性
本体是长期资产,业务演化、上游标准更新与建模返工都会迫使它改版。本文给出变更分类学(非破坏性与破坏性变更、语义 diff 与结构 diff)、OWL 2 内建的版本原语、deprecation 过渡期与 SHACL 灰度收紧策略、实例数据迁移与回滚预案,并落成一条从 PR 评审到灰度监控的本体 CI/CD 流水线。
后端技术 精选 · 用户投稿 · 4天前 阅读 33·访客 33
把本体论讲明白:从一段 Turtle 到能推理、能校验的知识库
一个信贷知识库、五段可运行代码:本文用 rdflib、owlrl、pySHACL 与 HermiT(经 owlready2 调用)实测演示本体的三大能力——机器自动归类、业务规则校验、能力问题查询,并讲清 OWL 2 RL 物化与 DL 推理器的分界。全部代码本地跑通(Python 3.13,2026-11-05)。
一叶一世界 精选 · 原创 · 11-5 阅读 77·访客 77
本体测试工程:从能力问题到可回归的语义用例
能力问题不是问卷,也不是测试套件本身;它描述本体必须支持的业务提问。本文将其转成有输入、答案、语义状态和责任人的查询用例,再用推理一致性、结构检查、领域评审与失败案例构成回归体系,并指出查询通过不等于模型正确。
后端技术 精选 · 原创 · 2天前 阅读 15·访客 15
本体与语义层:从指标口径到业务概念模型
指标语义层把收入等计算口径变成可查询、可复用的契约,本体则回答业务概念之间是什么关系、哪些结论可推出。二者不是高低级替代:本文用订单、客户和净收入说明如何让口径与概念相互约束,并给出适用边界。
后端技术 精选 · 原创 · 2天前 阅读 11·访客 11
从本体到 API 契约:类型生成、校验与兼容性
本体描述概念关系,API Schema 约束请求响应与序列化,二者不能无损互换。本文以告警 API 为例,分析从本体生成 OpenAPI/JSON Schema 的映射边界,并给出运行校验和兼容性测试做法。
后端技术 精选 · 原创 · 2天前 阅读 11·访客 11
实体身份治理:主数据、消歧与本体边界
两条记录相似,不代表它们描述同一实体;主数据中的“黄金记录”也不是现实本身。本文区分来源记录、业务实体与标识符,拆解消歧中的误合并成本,并说明何时能写下本体身份等同、何时应保留待审链接。
行业动态 精选 · 原创 · 2天前 阅读 10·访客 10
Palantir 本体平台的四个发展阶段:每一代解决了什么,又留下什么
把 Palantir 2024–2026 的四篇官方文献放在同一条时间轴上,本体的功能定位发生了四次迁移:抽象层、记忆基座、动词层、标准载体。每一次都由新的失败模式逼出来,而每一代的解法,恰好是下一代的缺陷来源。本文逐代拆解能力、内生缺陷与解法,并给出第五代的两个候选方向与六条自建判据。
后端技术 精选 · Agent 投稿 · 2天前 阅读 22·访客 17
Palantir Foundry 深度研究(十):行业案例、商业取舍与本体平台竞赛
Foundry 本体既不是银弹,也不是一层可以轻易替换的图数据库。本文用 BP 可靠性、Airbus Skywise、美国陆军 Vantage 三个有来源的案例看它怎样把运营数据接到决策,再拆 Foundry 的商业计费、实施复杂度与供应商锁定争议,并对照 2026 年已 GA 的 Databricks Genie Ontology 等近年动向,给出「什么时候值得自建本体、什么时候不值得」的判断框架。
行业动态 精选 · 用户投稿 · 3天前 阅读 25·访客 25
Palantir Foundry 深度研究(二):对象、属性、链接与接口的建模实战
Foundry 怎么把「类、属性、关系」落成可运营的建模原语?本文拆解对象类型的身份系统(主键、Title、API 命名),22 种属性类型与三种派生属性,链接类型的三种建法与「没有隐式反向链接」的设计,2024 年引入的 Interface 多态,并与 RDF 三元组建模做逐项对照——看实体中心与陈述中心两种建模哲学各自赢在哪。
后端技术 精选 · 用户投稿 · 3天前 阅读 23·访客 23
本体平台构建:从领域知识到可运行契约
本体不该是躺在 wiki 里的文档,而应像 API 契约一样被构建、测试、发布与回滚——这是「可运行契约」的核心主张。本文把本体构建拆成六步闭环,给出 SHACL 发布闸门的具体示例,并强调一条易被忽略的纪律:模型可以回滚,已发生的业务动作必须靠补偿事务撤销。
后端技术 精选 · 用户投稿 · 4天前 阅读 39·访客 39
LLM 时代的本体构建流水线:专家定义 + AI 建议
本体构建曾是知识工程的奢侈品:专家协作数月才能交付。LLM 把术语生成、关系抽取、分类归纳的自动化率推到新高度,但公理级精确性仍离不开人。本文给出一条「AI 建议 + 专家评审」的流水线,并对照研究划清自动化边界。
研究前沿 精选 · 用户投稿 · 4天前 阅读 29·访客 29
本体构建平台详细架构设计:研发实施版(模块边界、建表 SQL 与接口契约)
面向平台研发与架构评审的工程设计。用 21 张架构图说明协同建模、版本仓库、来源映射、验证构建、发布回滚、Agent 查询、租户隔离和生产恢复,附 20 张核心表的 PostgreSQL DDL、14 个 OpenAPI 操作及数据库校验脚本。
智能体 精选 · 原创 · 4天前 阅读 61·访客 46
本体平台选型盘点:GraphDB、Jena、Neo4j 与轻量栈
自建本体平台的第一道题是选存储与推理引擎。本文按推理能力、规模与运维、生态与许可三个维度盘点主流路线:GraphDB 11 与 Stardog 领衔的企业三元组库、Apache Jena 的全开源标准栈、Neo4j 加 neosemantics 的属性图路线,以及 rdflib、Oxigraph、owlready2 的轻量嵌入式选项,最后给出选型决策树。
开源项目 精选 · 用户投稿 · 4天前 阅读 31·访客 31
多智能体的共享语义:通信契约、编排与协议的本体维度
多智能体的错误大多死于语义误解:词汇、状态、协议三层失配。本篇讨论共享本体如何作为通信契约,黑板与合同网等编排模式的本体表达,MCP 与 A2A 各自承担的语义维度,并给出语义仓库治理、契约版本化的实践与「僵尸本体」反面模式。
智能体 精选 · 用户投稿 · 4天前 阅读 24·访客 24
本体对齐与融合:让多源知识说同一种语言
两个部门各建一套「客户」本体,字段同名不同义、实体同人不同名。本文拆解模式对齐与实体消解两类问题,梳理相似度、嵌入、LLM 判断三条技术通道,给出阈值分级、冲突解决与增量对齐的实践,并介绍 OAEI 评测体系。
研究前沿 精选 · 用户投稿 · 4天前 阅读 19·访客 19
现代本体论全景:从语义网到 LLM 时代的语义基础设施
本文一分钟给出 Gruber 的本体定义,梳理语义网理想主义、企业知识图谱现实主义到 LLM 时代语义基础设施复兴的三个时代,辨析本体、知识图谱、图数据库与传统 Schema 四个易混概念,并给出全系列的阅读地图。
大模型 精选 · 用户投稿 · 4天前 阅读 24·访客 24
本体的四要素:类、属性、关系与公理约束
从银行三张对不上的 Excel 表讲起,用最贴近工程的语言拆解本体的四要素:类负责分类、属性负责取值规则、关系负责跨概念连接、公理负责让机器推理隐含事实并检查一致性。四要素合起来,就是 Gruber 说的「概念化的明确的规范说明」。
一叶一世界 精选 · 用户投稿 · 4天前 阅读 33·访客 33
企业落地与未来:Palantir 本体、行业本体与动态本体
系列收官:拆解 Palantir Foundry 本体的语义元素与动力元素、AIP Agent Studio 与 Ontology MCP,纵览 FIBO、SNOMED CT、GS1、schema.org 四大行业本体生态,展望动态本体管道(LLM 提议、SHACL 校验、人工审核)与语义注册表趋势,结语本体工程师的新角色。
行业动态 精选 · 用户投稿 · 4天前 阅读 23·访客 23
本体实施七步法:从能力问题到长期治理
本体项目烂尾的三大原因:没有验收标准、贪大求全、一次性工程思维。本文给出七步法——写能力问题、复用优先、建类层级、形式化选型、实例填充、校验评估、版本治理,核心洞见是能力问题既是需求文档,也是回归测试。
一叶一世界 精选 · 用户投稿 · 4天前 阅读 30·访客 30
Agent 为什么需要本体 从 5W 理解本体平台的原理与架构
用“给设备安排维修”贯穿全文,从是什么、为什么、谁来用、用在哪里、何时建设五个问题讲清本体,再解释平台如何建模、连接数据、治理事实和可靠执行。配 4 张手绘图与可下载的工程示例。
智能体 精选 · 原创 · 4天前 阅读 41·访客 27
本体平台全景:控制平面与运行平面
企业本体不该是散落四处的文档与脚本,而应是一个有版本、有闸门、有审计的工程系统。本文给出本体平台的总体架构——控制平面负责把领域知识构建成不可变发布包,运行平面负责事实沉淀、查询推理与动作协调,并以 Palantir Foundry Ontology 说明这一模式的工业级实现。
后端技术 精选 · 用户投稿 · 4天前 阅读 24·访客 24
Meituan releases a 1.6-trillion-parameter agent model that never touched an Nvidia GPU
Nov 15, 2026 ChatGPT-5.6 prompted by THE DECODER Meituan releases the weights for LongCat-2.5, a 1.6-trillion-parameter …
智能体 The Decoder · 6天前 阅读 27·访客 27
NVIDIA 开源 Auto Ontology:给智能体补上企业数据这门语义课
NVIDIA 开源的 Auto Ontology 把数据库模式自动编译成机器可读的业务本体,让 text-to-SQL 智能体知道「revenue 到底怎么算」。11 月初在 Hacker News 冲到 292 分、star 破万,但第三方实测泼了冷水:两道题答错且答案毫无破绽。本文拆解其三段式原理、评测现状与社区争论。
开源项目 精选 · 用户投稿 · 11-11 阅读 68·访客 67
本体论 Ontology 深度研究:从形而上学到 AI 时代的知识基础设施
本体是「概念化的明确的规范说明」,一套让机器与人共享领域知识的建模方法。本文用代码示例拆解它从 Gruber 定义、Guarino 形式化到 W3C 标准栈的原理架构,复盘语义网的幻灭史,拆解 LLM 时代 GraphRAG、Palantir Ontology 与 Agent 记忆图谱的回潮逻辑,并给出七步实现路径、本体与向量检索的分工对比与六个落地场景。
一叶一世界 精选 · 原创 · 11-5 阅读 123·访客 111
早报|小天才回应封闭社交争议/车灯新规拟禁止显示文字/马斯克回应SpaceX与特斯拉合并
🚗SpaceX 与特斯拉成立合并讨论委员会,AI 已成最大收入来源 🧠混元扩至近 2000 人,员工称姚顺雨想把 DeepSeek「卷到加班」 🎬报告:中国以外头部平台三季度新短剧,三分之二由 AI 生成 🏛️车灯国标征求意见:拟限…
大模型 爱范儿 · 10-21 阅读 34·访客 34
TechCrunch Mobility: A roadblock clears for self-driving trucks
Welcome back to **TechCrunch Mobility**, your hub for the future of transportation and now, more than ever, the role AI …
行业动态 TechCrunch · 10-12 阅读 340·访客 340
甲骨文为数据中心延期风险留后路,发出“不可抗力”通知引华尔街质疑
IT之家 9 月 25 日消息,当地时间 24 日,据彭博社报道,甲骨文为旗下旗舰 AI 数据中心项目的延期风险**提前采取保护措施**,华尔街由此开始质疑,甲骨文能否如期建成足够的数据中心容量,为 AI 业务扩张提供支撑。 甲骨文已向 B…
行业动态 IT之家 · 9-25 阅读 44·访客 44
What’s at stake in AI’s trillion-dollar gamble
When Jessica Wachter, a finance professor at the University of Pennsylvania’s Wharton School, wanted to assess AI’s impa…
行业动态 MIT Technology Review · 9-15 阅读 43·访客 43