数据工程师或分析师在让 Claude Code、Codex 等编码 agent 查询企业数据仓库时，处理数据表与字段关系，要让 agent 写出符合业务含义的查询。
人工维护数据字典与文档，或在每次提问时把表结构粘贴给 agent。
agent 不了解字段的业务含义，容易写出语义错误的查询；旧做法靠人工维护数据字典或每次把表结构粘贴进提示词，重复且易漂移。
AI 应用的生意判断
EvoOntology
数据工程师或分析师在让 Claude Code、Codex 这类 agent 处理企业数据时，把数据表与字段关系交给 EvoOntology，由它建立并持续更新本体层，让 agent 理解字段含义后再生成查询；具体接入方式与产出仍待核验。
- 团队 / 作者
- ruc-datalab
- 本站首次收录
- 2026-09-15
- 本站最近更新
- 2026-09-25
- 产品官网
- 查看官网 ↗
01
它为什么会被需要
从用户的一天开始 · 公开事实 + 可观察行为 · 2026-09-23
需求有依据
趋势是 agent 要真正干活，缺的不是模型而是对业务数据的语义理解层。切入可考虑为零售、制造等有大量遗留数据表的行业做本体维护服务，按数据源数量或按项目收费，而不是做通用插件。
为什么用户会选择它
推断：相较每次粘贴表结构，它把本体层沉淀下来并随使用进化，省掉重复解释字段含义这一步，因此长期维护同一套数仓的团队会在反复让 agent 写查询时选择它。
真正值得继续追问的矛盾
追踪该仓库的 issue 与 discussion，确认本体层在真实数据仓库中的接入方式、审核流程与使用反馈。
如果你正在做这项工作
值得试用。推断：相较每次粘贴表结构，它把本体层沉淀下来并随使用进化，省掉重复解释字段含义这一步，因此长期维护同一套数仓的团队会在反复让 agent 写查询时选择它。
怎样切入 / 可以借走什么
趋势是 agent 要真正干活，缺的不是模型而是对业务数据的语义理解层。切入可考虑为零售、制造等有大量遗留数据表的行业做本体维护服务，按数据源数量或按项目收费，而不是做通用插件。
我们凭什么这样判断
公开事实
它解决 agent 不懂字段业务含义、写出错误查询的问题，旧做法是人工维护数据字典或逐次粘贴表结构；这是从产品说明与旧流程作出的工作流结构推理，尚无用户反馈佐证。
工作流推理
推断：相较每次粘贴表结构，它把本体层沉淀下来并随使用进化，省掉重复解释字段含义这一步，因此长期维护同一套数仓的团队会在反复让 agent 写查询时选择它。
会改变判断的未知
追踪该仓库的 issue 与 discussion，确认本体层在真实数据仓库中的接入方式、审核流程与使用反馈。
01 · 价值
已有支持
它解决 agent 不懂字段业务含义、写出错误查询的问题，旧做法是人工维护数据字典或逐次粘贴表结构；这是从产品说明与旧流程作出的工作流结构推理，尚无用户反馈佐证。
02 · 共识
证据不足
仓库星标从 158 升至 342 只说明开源关注度上升，没有 issue、discussion 或用户反馈证明本体层被持续用于真实数仓。
03 · 模式
证据不足
开源项目未披露任何收费路径，买方与付费方式均无公开材料支持，这是判断而非已验证事实。
04 · 求真
证据不足
本体自动进化是否会产生错误语义、人工如何审核与回滚，公开材料未说明，交付确定性无法核对。
02
中英文生态与跨国机会
市场对照 · 跨国机会
英文生态 · English-language market
本地供给：早期出现
需求证据：尚未核验
已覆盖的英文生态公开项目发布与开发者讨论。 · 2026-09-25
中文生态 · CN
本地供给：在已覆盖来源中未发现
需求证据：尚未核验
中文生态相关行业与具体工作的公开资料覆盖；检索日期 2026-09-25。未发现仅限该覆盖范围。 · 2026-09-25
完整分析尚未完成，可先阅读上方的方向判断。
目前公开信息有限，判断会随新证据更新。 它刚被收录，尚缺可验证的使用数据。
同类产品的完整分析： deepseek-harness、 open-kimi-ppt-skill
04
可核验公开证据
证据链
05
从产品名直接追到一手材料
产品官网缺失或当前链接只是线索时，从这些检索入口继续核验。