Zhi Yuan
← 返回项目
原型约 7 分钟

制造业知识工程平台

探索如何将分散的制造业信息转化为结构化、可追溯、可验证知识资产的独立知识工程原型。

目录

2026 年个人制造业知识工程项目

基于本体与知识治理的制造业知识图谱及 AI Agent 原型

我的职责
主导制造业领域建模、知识架构、治理机制和能力验收设计，借助 AI Coding Agents 推进系统实现。
典型问题
产品的质量接受限值不能与检测设备的测量量程混为一谈。
关键设计决策
在扩展知识实例与 Agent 能力之前，优先建立语义边界与受治理的证据机制。
本体类
66
源文件统计
图谱实体
93
仓库定义数据
能力问题
19/19
可复现查询集
此前记录的测试结果
319
另有 4 项条件跳过

个人独立原型，使用合成场景与受控数据，不是任职公司的官方项目或企业生产系统。

查看 DemoGitHub 仓库
  • TypeScript
  • React
  • Neo4j
  • SHACL
  • JSON Schema

问题：从分散信息到可信知识

生产记录、质量异常、工程规范、PFMEA、Control Plan 与 SOP 各自描述了业务的一部分。同一设备可能有不同标识，同一术语可能有不同含义，跨系统关系、来源和版本也未必清晰。单纯把文件交给 LLM，并不能解决这些问题。

如何将制造业知识转化为可治理、可验证、可供 AI 可靠使用的知识基础设施？

本项目受到汽车与半导体制造工作经历的启发，但使用合成场景和受控数据进行研究与验证，不代表在任职公司完成了生产落地。

系统架构：先治理知识，再约束推理

知识生命周期与用户查询是两条不同的路径。下面的第一张图描述概念职责，不是一次请求的线性调用顺序；第二张图描述 Agent 的运行时路径。

知识生命周期 · 概念架构
  1. 知识获取：受控来源提取 / 人工编写
  2. 语义治理：Ontology / Canonical Identity / SHACL
  3. 知识仓库：受治理图谱 / 受治理文档
  4. 访问边界：权限、来源、有效版本与发布状态

来源同步和人工发布汇入同一受治理的知识访问边界。不是实时企业数据接入，也不是所有步骤由一个服务顺序执行。

Agent Query Pipeline · 运行时路径
  1. 用户问题 → 受约束的语义解析
  2. Canonical 重建 → Ontology 校验 → 安全 Query Plan
  3. 授权范围内的图谱检索 + 文档证据检索
  4. Evidence Pack → Template / LLM / Hybrid 回答组织
  5. Claim / Citation / Authorization 校验 → 允许发布或阻断

LLM 不执行任意 Cypher。确定性的后端控制查询模板、检索范围、证据与正式回答发布。

核心取舍：将概率性的 LLM 能力约束在确定性的知识、权限和证据治理边界内。 Session、Turn、异步 Run、SSE、Heartbeat、Last-Event-ID、重放、恢复、持久化、超时、重试和取消支撑可追踪的交互。

Ontology 与知识建模

Ontology 定义制造概念、关系和约束；Knowledge Graph 表达具体业务实例。共享的 Canonical ID 将生产、质量和工程视角连接起来，例如 operation.op30、machine.m220 与 quality-characteristic.leak-rate，而不是依赖界面节点名称推断身份。

RDF/OWL 用于定义语义模型，SHACL 用于验证指定的结构与数据约束。运行时的 Schema 校验并不等同于完整或通用的 OWL 推理。

模型层已核实的仓库统计
Ontology8 个模块；66 类；54 对象属性；146 数据属性；665 triples
SHACL18 Node Shapes；41 附属属性约束
Canonical Graph93 个唯一实体；230 个唯一关系断言；47 个关系标签
文档证据23 条场景级 registry 记录；21 个唯一 document ID；51 个可定位 chunk

图谱统计来自三个 canonical 场景按 ID 去重后的并集。跨场景原始关系记录为 237，不等于 230 个唯一关系断言；这些数字不是 live Neo4j 或生产数据库统计。23 条文档记录都关联图谱对象，chunk 按 section/locator 稳定寻址。

源文件核对基于 887f33e 版本，核对日期为 2026-10-12。建模价值在于语义一致性、可验证关系与来源，而不是图谱规模。

知识治理：两条路径，同一边界

路径 A · 来源管理的知识
  1. Controlled Extracts：受控 MES / QMS / PLM 数据提取
  2. Mapping：字段与 canonical 对象映射
  3. Validation：校验、checksum 与隔离
  4. Source Synchronization：checkpoint、幂等、tombstone 与 lineage
  5. Governed Repository：原子持久化与可追溯发布

目前使用 controlled extracts 和 localhost fixture HTTP adapters 验证。没有连接真实企业 MES/QMS/PLM 在线端点，没有 CDC 或源系统回写。

路径 B · 人工编写的知识
  1. Draft：创建知识变更草稿
  2. Validate：身份、类型、关系和来源所有权校验
  3. Submit：提交独立审核
  4. Approve：记录审批与版本基线
  5. Publish：正式发布到受治理仓库

支持 Request Changes、Reject、Withdraw；修改已批准内容会使审批失效。未经发布的草稿、提交或批准状态不能进入正式 Agent 检索与证据。

两条路径共同遵循 Canonical Identity、Provenance、Authorization、Validation、Publication State 与 Evidence Governance。已实现 Principal、可替换鉴权器、受控 static Bearer 适配器、角色和 tenant/domain 检查、Session 所有权、对象及文档过滤，以及受保护的 Trace/Evidence/Audit 访问。

这些是原型中的授权边界，不等于完整企业 IAM。Enterprise OIDC/JWKS、撤销、企业群组映射和集中式 SIEM 导出仍待实现。

Evidence-grounded AI Agent

实现覆盖 13 个受治理 intents。语义解析支持 Deterministic / LLM / Hybrid；回答组织支持 Template / LLM / Hybrid。Neo4j 检索通过安全、参数化的只读模板执行，而非任意 Text-to-Cypher。

LLM Answer Composer 接收受治理的 Evidence Pack 投影，不获得任意数据库上下文。Citation Gate 对结构化事实主张的标识、证据关联及必要校验状态进行验证，不符合要求的回答将被阻止发布。该机制并不等同于对任意自然语言陈述进行语义真实性验证。

DeepSeek Chat Completions adapter 已实现；deepseek-v4-flash 的语义解析、回答组织及四领域 pipeline 有历史 live acceptance记录，fallback 为 false。OpenAI Responses adapter 已实现，但 live acceptance 仍为 pending。此页面制作未重新调用 Provider。

可核验案例：CQ-012

原型验收示例，不是实时 Agent 回答。

CQ-012 · 从问题到验证边界
  1. 制造问题：OP30 的 Brake Booster 当前有效 Leak Rate 接受限值是什么？产品接受标准不能与检测设备的测量能力混同。
  2. 结构化解释：定位 Brake Booster、OP30 与 Leak Rate，选择当前有效、已批准的 Specification 及其 upper-specification-limit 关系。
  3. 仓库证据：document.specification.bb-leak-rate.rev-a 的 Section 4.1 / Acceptance Criteria 将 0.18、0.00 与 0.30 sccm 分别标记为 target、LSL 与 USL 合成测试值。
  4. 验证边界：SPARQL 能力问题运行器验证 CQ-012 能返回仓库数据；fixture 校验、运行时 Neo4j 检索和 Agent claim/citation 校验属于不同的验证路径。

该示例展示问题解释、建模范围、仓库证据和已验证边界，不伪造端到端模型回答。

主要依据：CQ-012 查询、仓库中的合成测试 fixture与能力问题运行器。fixture 明确将三个数值标记为目标值、规格下限与规格上限；它们仅用于 demo，不是生产规格。

以能力问题驱动验收

Competency Questions 先定义知识系统应回答什么，再检验查询、有效证据与边界。领域包括 Production、Quality、Engineering、Bottleneck 与 Cross-domain；质量问题覆盖有效规格、定量投影、测量能力、Reaction Plan、Calibration/MSA、程序变更，以及跨域因果证据是否充分。

验收证据结果
此前记录的自动化测试结果319 passed / 4 conditional Neo4j skipped / 0 failed
可复现的 Competency Query 集19/19，CQ-001 至 CQ-019
多领域正式验收38/38，限定范围内 Citation coverage 为 100%
知识编写验收36/36 个版本化确定性案例

证据等级：38/38 具备固定提交上的成功 CI 运行记录（Level 1）；19 项查询的 catalog/runner 与 36 项知识编写数据集具备固定版本、可复现的源码证据（Level 2），但未找到匹配的不可变原始成功日志；319/4 仅保留为此前记录的历史结果（Level 3），不是本次重新执行的结果。

这些记录仅适用于已定义的原型验收范围，不代表任意问题均有 100% 准确率。 本网站构建与 UI 测试属于独立验证。依赖状态同样具有时效性，发布前需要重新审计。

我的角色

Project Owner · Knowledge Architecture · Domain Modeling · AI-assisted Development

  • **领域与知识设计：**制造业务问题分析、Ontology 建模方向、语义架构、Competency Questions。
  • **架构与治理：**系统架构、知识契约、知识生命周期、权限边界、证据校验与产品需求。
  • **实现与评估：**功能需求、验收标准、AI Coding Agent 协调、技术审查、迭代测试与发布验证。

我主导 Ontology 架构、制造业领域建模、治理机制和能力验收设计，并借助 AI Coding Agents 完成大量实现、测试与迭代工作。它是个人独立原型，不是 ZF 官方项目，也不是企业生产系统。

探索项目

2026-10-12 浏览器检查确认 Route 页面加载、Ontology 节点点选与详情展示正常，Agent 入口与 Scripted Workspace 可打开；检查路径未捕获 JavaScript 错误。Live Agent 显示访问令牌门禁，本次未提供凭据、未发送对话，也未重新验收实时 Provider 或数据库。公开展示可用不等于所有在线功能通过验收。没有在本任务中部署或更改生产服务。

相关内容