Collate 发布 Ontology Studio,为 AI 智能体提供业务上下文
Collate Announces Ontology Studio to Give AI Agents Business Context
Collate 发布 Ontology Studio,通过将业务概念及关系映射到企业数据,为 AI 智能体提供组织自有的定义和上下文。该工作区属于 Collate 2.1,计划本月晚些时候全面可用,并支持 OWL、Turtle、RDF/XML 和 JSON-LD 导入导出。智能体可通过 MCP 探索关系和执行只读 SPARQL 查询,但知识图谱投影仍处于 beta,默认关闭。
正文 · AI 翻译
OpenMetadata 背后的公司 Collate 宣布推出 Ontology Studio,这是一个用于定义业务概念、将其与企业数据连接,并让 AI 智能体能够获取这些含义的工作区。其目标是帮助智能体依据组织自身的定义和关系开展工作,而不是猜测表名或列名的含义。
Ontology Studio 于 11 月 17 日发布,是 Collate 2.1 的一部分,计划于本月晚些时候全面可用。它采用开放标准,使企业能够检查和导出其构建的业务模型,包括与实现这些模型的数据资产之间的映射。
此次发布旨在解决一个仅靠更优秀的语言模型无法化解的问题:系统或许能找到数据集并编写针对该数据集的有效代码,但仍可能误解企业如何界定活跃客户、已确认收入数字或某一特定类型的贷款。
本体为 AI 智能体增添了什么
本体以软件可以使用的形式描述概念及其关系。术语表可能会用一段文字定义“贷款”。本体还可以明确规定,贷款具有本金和期限、归属于某位客户,并通过一种具名关系与账户相连。
这些细节为智能体提供了一条结构化的问题处理路径。以一个被要求分析贷款活动的智能体为例:在查询数据库之前,它需要确定哪些资产代表贷款、客户与这些贷款之间有何关系,以及应采用哪些定义。映射到这些资产的本体可以提供相应的上下文。
Ontology Studio 允许团队使用带类型的属性和具名的方向性关系来定义概念,随后审核并发布带版本的模型。概念可以关联到表、列、仪表板及其他数据资产。
这也将业务含义与技术血缘分离开来。血缘描述数据如何在系统之间流动或转换。业务关系则描述数据所代表的含义,例如某笔贷款归属于某位客户。两者对智能体都有用,但回答的是不同的问题。
Ontology Studio 建立在成熟的语义网技术之上,无需企业完全以专有格式表达其业务。
OWL(Web Ontology Language,网络本体语言)提供了一种表示类、属性和关系的正式方式,为软件提供可供处理的明确含义。
SKOS(Simple Knowledge Organization System,简单知识组织系统)用于表示受控词汇表,以及上位、下位和相关概念等关系。
SPARQL 是一种面向 RDF 图的查询语言,允许软件针对相互连接的概念和元数据提出结构化问题。
Collate 表示,组织可以使用包括 OWL、Turtle、RDF/XML 和 JSON-LD 在内的格式导入和导出本体,同时保留标识符、定义和关系。该公司还强调,导出模型时会保留数据映射。
当企业更换 AI 供应商或数据平台时,这一点非常重要。以可交换格式保存业务模型,可以使其成为可重复利用的资产,而不是让定义仅仅嵌入某一家供应商的界面中。若要使模型在迁移后仍然有用,兼容工具仍需支持相关标准和映射。
智能体通过 Collate 的 Model Context Protocol 服务器访问本体。MCP 提供了一个通用接口,AI 应用可以通过该接口发现和调用工具。在这里,这些工具让智能体能够描述本体、探索某个实体周围的关系,并发出只读 SPARQL 查询。
知识图谱将概念和元数据组织为相互连接的实体。图查询可以同时请求多项相关关系,帮助智能体收集上下文,而无需反复逐一请求每个相邻项目。由此产生的查询和关系路径,还能为审核人员提供具体依据,以检查某个答案背后的信息。
该公告为这项功能划定了一项重要边界:这些工具运行在 Collate 的知识图谱投影之上,而该功能仍处于 beta 阶段,默认关闭。团队需要启用并评估这一组件,才能使用由图支持的智能体工具。
产品页面解释称,这一投影是平台元数据的图副本,并非底层业务数据库的替代品。针对运营数据的查询仍会在数据所在的位置执行,例如数据仓库或现有语义层。本体则有助于确定应使用的正确定义和资产。
Collate 构建于开源平台 OpenMetadata 之上。该平台汇集了模式、所有权、分类、质量信息和血缘等元数据。Ontology Studio 增加了一个创作工作区,用于编写与这些资产相关联的业务含义。
Collate 的 2.1 版本概览对托管产品及其开源基础作出了区分:Ontology Studio 是 Collate 的一项功能,而通过 MCP 提供的知识图谱工具则同时列于 Collate 和 OpenMetadata 名下。评估此次发布的组织应当区分商业工作区与其底层的开放标准和共享平台组件。
行业入门套件为接入该系统提供了另一条路径。公告列出的模型分别基于用于金融业的 FIBO、用于医疗保健的 HL7 FHIR、用于供应链的 GS1 和 EPCIS、用于制造业的 ISA-95,以及 HR Open Standards。这些模型提供了初始结构,团队可以在此基础上进行扩展,并将其映射到自身数据。
Collate 将 Scout24 列为其更广泛的上下文平台方法的一个例子。ImmoScout24 背后的这家公司利用共享数据定义、AI 辅助文档和人工验证来支持内部 AI 智能体。这种组合凸显了领域专家在保持业务上下文实用性方面持续发挥的作用。
共享定义仍需有人负责
“元数据、含义和记忆应当汇集在同一个上下文平台中,”Collate 联合创始人兼首席技术官 Sriharsha Chintalapani 表示。他说,其目标是让智能体和员工依据相同的业务定义开展工作。
本体可以让这些定义变得明确且更易于复用,但其价值取决于模型的质量及其与当前数据的连接。错误的映射或过时的规则可能会让智能体为错误答案给出结构化解释。
对企业而言,Ontology Studio 的价值主张在于提供一种更易于管理的方式来构建和维护这种共享上下文:对业务进行建模,将模型连接到真实资产,通过标准工具开放该模型,并保留将其迁移至其他环境的能力。
AI 热点