EvoOntology：面向数据智能体的自演化本体层

数据智能体旨在根据自然语言指令处理异构数据，包括表格、文件和数据库。然而，数据智能体面临着严峻的智能体—数据鸿沟：异构数据位于智能体之外，而智能体只能通过通用工具访问这些数据（例如列名和文件路径）。现有方法要么让智能体直接探索原始数据源，要么将人工构建的语义层注入提示词。然而，这两种方法既难以扩展到大型异构数据源，也无法适应不同的智能体行为。本文提出了 EvoOntology，一种面向数据智能体的自演化本体层。EvoOntology 将本体封装为一个由模式层、内容层和工具层组成的 MCP 服务器，使智能体能够在运行时主动查询和交互本体。为此，我们引入了一个用于自主构建本体的构建器智能体，以及一个自演化循环，通过归因引导的类型化编辑持续完善本体；这些编辑只有在经过基于骨干模型的成对评估后才会被接受。在三个广泛采用的数据智能体基准和四个 LLM 骨干模型上的实验表明，EvoOntology 始终优于强基线方法和现有语义层方法，有效弥合了智能体—数据鸿沟，并实现了与异构数据更高效的交互。代码：https://github.com/ruc-datalab/EvoOntology