工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：Ontology
本体结构与模型规模：图形设计会给AI智能体带来怎样的成本？
一个保险知识图谱的三种无损结构如何改变了Azure Cosmos DB上小型和大型模型的准确率、工具调用次数、token数量以及成本。
阅读约 30 分钟利用本体和知识图谱解决半导体文档中的RAG问题。
半导体EDA文档采用了RDF/OWL本体、Neo4j知识图谱以及基于本体的检索机制，使得RAG系统产生的后续问题减少了30%。
阅读约 8 分钟智能体需要可解释的含义：语义层、本体论与受控指标
当含义无法明确时，对话式商业智能就会失效。文本转SQL的研究表明，语义层、本体论以及规范标识如何确保答案的准确性。
阅读约 15 分钟本体还是语义层？人工智能代理需要两者中的什么。
本体与语义层有何不同，仅存在其一时会遇到什么问题，知识图谱的适用场景，以及构建上下文层的实际步骤。
阅读约 9 分钟为何RAG不够用：面向图查询、SQL查询和向量查询的语义层
RAG在多跳查询、数值型查询以及含义模糊的企业级查询中表现不佳。语义层负责查询分解、路由处理和模式映射，同时借助Apache Ossie来实现跨平台兼容性。
阅读约 8 分钟从RDF到GraphRAG：基于VOO示例的实际本体层实现
从IRI和三元组到RDFS、OWL和SHACL：结合VOO示例的实用本体层，它们为何优于表格，以及如何提升GraphRAG的回答质量。
阅读约 9 分钟GraphRAG智能体的SHACL TDD：一条可阻止不良行为的执行上限规则
将限制责任比例在30%以内的高管审批政策编码为SHACL格式，使用pytest进行验证，然后在价值230万美元的合同演示中观察本体防火墙如何阻止该智能体的操作。
阅读约 6 分钟具备本体认知的GraphRAG：当向量需要类型化关系时
标识符锚点、本体契约、排名融合以及引用或拒绝机制如何解决 CVE 相关的 RAG 故障、多跳所有权问题以及隐含的图结构事实问题。
阅读约 12 分钟当向量RAG不足以处理时，可借助基于本体的上下文工程。
当含义涉及多个记录系统时，仅靠嵌入模型无法实现数据关联。基于本体的上下文工程能够验证类型化事实、来源信息以及相关工具，从而为大型语言模型提供可靠的答案。
阅读约 24 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。