qOntology 本体工程平台开源版 v1.1.0 围绕本体工程中的知识整理、模型维护与图谱探索进行更新，重点增强 AI 辅助建模和知识图谱多视图能力，同时补充项目版本管理、约束规则配置，并对本体应用及基础管理页面进行调整。
本次更新关注的是本体建设过程中的几个具体环节：
如何从业务材料中整理建模候选，如何通过不同视图理解图谱中的对象与关系，以及如何对模型版本和语义规则进行管理。
下面结合企业本体建设场景，具体介绍本次版本变化。
一、深入业务现场，FDE 需要怎样的本体工具？
FDE 是 Forward Deployed Engineer 的缩写，通常译为前线部署工程师。
本文所说的企业本体 FDE，是指深入企业业务场景，与业务专家共同开展本体建设与应用探索的工程人员。
在企业本体建设中，工程师面对的往往不是已经整理好的模型，而是分散在不同材料中的业务知识。
以采购业务为例，采购申请、采购订单、入库记录以及供应商相关说明，都可能成为建模的输入材料。
工程师需要从这些材料中识别采购订单、供应商、物料等业务概念，再进一步梳理对象所需的属性，以及对象之间的关联。
例如，采购订单需要记录哪些信息？采购明细与订单应该如何区分？供应商与采购订单之间的供货关系又该如何表达？
这些工作既涉及技术建模，也离不开业务判断。
概念清单并不等于完整模型，一张关系图也不能直接证明模型符合实际业务。
工程师还需要结合业务流程和实际数据，与业务人员反复核对概念含义、属性归属及关系定义。
因此，本体工程工具不仅要支持模型设计，还需要参与材料整理、业务沟通和后续维护等环节。
本次 qOntology v1.1.0 的更新，主要围绕两个方向展开：
-
通过 AI 辅助建模，将业务材料转化为可审核的候选建模内容；
-
通过知识图谱多视图，为已有图谱数据提供不同的查看和沟通方式。
二、AI 辅助建模：带着候选内容，与业务专家共同完善模型
1. 让业务材料进入建模过程
业务文档中通常包含大量术语、对象描述和业务关系。
工程师需要从中识别关键概念，理解业务术语，判断对象需要记录哪些信息，并梳理对象之间的联系。
材料数量较多时，还需要对这些内容进行分类和整理，才能进入模型设计环节。
qOntology 开源版 v1.1.0 新增 AI 辅助建模，支持基于上传文件生成候选建模内容。
用户可以查看不同类别的候选信息，结合业务含义进行审核，再决定是否修改和采纳。
以采购业务为例，系统生成的候选内容可以为工程师和业务专家提供讨论起点：采购订单应该如何定义，供应商需要包含哪些属性，订单与物料之间是否需要通过采购明细表达，围绕这些具体内容，双方可以进一步确认模型边界和业务含义。
需要说明的是，AI 辅助建模提供的是候选内容和初步整理结果，并不代替业务判断。
候选信息仍需经过工程师与业务专家审核，确认符合项目实际后再纳入模型。
2. 上传材料、生成候选，让讨论有具体起点
使用 AI 辅助建模时，可以先确定一个边界相对清晰的业务主题，再准备与主题相关的文件。
例如，当前希望梳理采购订单与供货方之间的关系，就可以优先整理采购相关材料，并明确本次建模希望解决的问题。
创建辅助建模任务并上传文件后，系统会对材料进行解析，生成可供查看和审核的候选内容。
进入任务详情，用户可以按类别浏览结果，了解材料中的知识被整理成了哪些建模要素。
在候选审核页面中，对象类型、属性和关系等内容分别呈现。
工程师可以先查看对象类型，再检查与之相关的属性和关系，从而将原本分散在业务材料中的信息放到模型设计的语境中理解。
例如，采购订单和采购明细虽然都出现在采购文档中，但两者承担的表达任务并不相同：采购订单描述订单本身，采购明细则描述订单内具体物料的采购记录。
候选结果能够为这类概念区分提供核对依据，最终如何设计仍需要结合项目的业务范围确认。
3. 审核与修改，把业务判断落实到模型内容
候选内容生成之后，仍需要工程师与业务专家共同审核。
概念名称是否符合企业常用术语，描述是否准确，属性应该归属于哪个对象，关系的起点、终点和名称是否表达了实际业务含义，都需要结合业务背景逐项核对。
以“采购订单与供应商如何关联”为例，还需要进一步明确：
当前讨论的是订单约定的供货方，还是某次到货记录对应的供货方？
两种关系可能涉及不同的数据和表达范围，如果没有先厘清业务含义，即使建立了关系，也可能与实际业务口径不一致。
在审核过程中，用户可以查看候选内容、核对来源信息，并对需要调整的条目进行修改。
候选来源为回看原始材料提供参照，修改操作则可以将讨论结果落实到模型初稿中。
对于 FDE 而言，这一过程也为业务沟通提供了更具体的载体。
双方不必只围绕抽象的模型结构讨论，而是可以直接针对某个概念、某条属性或某种关系，确认哪些内容需要保留、修改，哪些地方还需要补充材料。
4. 按需采纳，让确认后的内容进入模型
完成审核与修改后，用户可以采纳适用的候选内容，逐步完善当前模型。
系统提供相应的采纳入口，便于将已经确认的内容继续推进到建模环节。
在采纳之前，仍需要检查候选条目本身及其与其他模型元素之间的关系。
例如，属性归属的对象类型是否正确，关系两端的对象是否符合业务讨论结果，名称是否与项目中已有的内容保持一致。
从材料上传、候选生成，到审核、修改和采纳，AI 辅助建模将业务材料整理与模型设计衔接起来。
工程师可以借助候选结果开展讨论，再将确认后的内容纳入模型，继续补充和完善。
三、知识图谱多视图：围绕具体对象与关联，把知识讲明白
模型表达完成后，还需要结合图谱数据查看和讨论知识内容。
在实际业务沟通中，不同参与者关注的内容可能并不相同：
有人希望了解整体对象及其关联，有人需要核对某个对象与其他对象之间的关系，也有人需要逐条检查数据，或从时间维度了解事件信息。
单一的展示方式不一定适合所有讨论任务。
qOntology 开源版 v1.1.0 对知识图谱视图进行拓展，当前提供常规视图、关系视图、时序视图和表格视图，并新增事件管理，为查看实体、关系与事件提供更多选择。
1. 常规视图：先了解对象与连接的整体呈现
在业务讨论开始时，可以先通过常规视图查看图谱中包含哪些对象，以及对象之间存在怎样的连接，从整体上认识当前图谱所表达的知识内容。
继续以采购业务为例，可以从一个具体采购订单展开讨论：
图谱中是否包含相关供应商、物料等对象？对象之间有哪些连接？展示的名称是否符合企业的业务习惯？
通过常规视图，原本较为抽象的“模型是否合理”，可以转化为对具体对象和连接的核对。
如果发现疑问，还可以继续查看对象信息，再判断需要调整的是模型表达、数据准备，还是数据抽取结果。
2. 关系视图：围绕对象关联，核对知识表达
当讨论重点从整体结构转向对象之间的联系时，可以使用关系视图查看相关连接，将注意力集中在关联本身。
例如，在核对采购订单与供应商的对应关系时，可以结合图谱中实际存在的连接，确认关系含义是否符合前期讨论。
关系名称是否清楚、连接的对象是否合适，都可以作为业务确认的内容。
对于 FDE 来说，图谱中的对象与关联能够为双方提供共同查看的依据。
业务人员可以结合实际情况指出含义不准确的地方，工程师再回到相关模型或数据环节进一步核对。
3. 时序视图：从时间维度理解相关内容
在一些业务场景中，除了关注对象及其关系，还需要了解事件发生的先后顺序和时间范围。
对于这类问题，可以在相关数据已经具备时间信息的前提下，使用时序视图查看内容。
以采购过程为例，如果项目已经准备了相关业务事件及其时间信息，就可以围绕时间维度查看这些记录。
工程师与业务人员需要共同确认时间字段的具体含义、事件记录是否完整，以及当前展示覆盖了怎样的时间范围。
需要注意的是，时序展示依赖具体数据的准备情况。
它为已有时间信息提供了一种查看方式，但不能仅凭时间先后判断事件之间的因果关系，也不能替代对业务记录完整性的核对。
4. 表格视图：逐项核对图谱数据
当业务讨论需要落实到具体记录时，表格视图能够提供更便于逐项查看的方式。
用户可以围绕主体、关系、客体等信息核对数据内容，将图谱中的关系表达对应到实际记录。
例如，讨论“某个采购订单对应哪个供应商”时，可以查看记录中的主体、谓词或关系以及客体，核对名称和对应关系。
先在图谱中了解对象之间的连接，再回到表格检查具体内容，可以从不同角度为业务沟通提供参照。
四种视图可以根据实际任务选择：
-
希望了解对象与连接的整体情况，可以使用常规视图；
-
需要讨论对象之间的关联，可以查看关系视图；
-
已有相关时间数据时，可以使用时序视图；
-
需要逐条核对记录，则可以选择表格视图。
不同视图提供的是不同的数据观察角度。工程师与业务人员可以围绕当前问题选择合适的方式，逐步确认图谱中的知识表达。
四、从候选模型到图谱讨论，工具如何参与现场工作？
AI 辅助建模与知识图谱多视图并不是彼此独立的功能，而是参与本体建设过程中相互关联的两个阶段：
前者侧重从业务材料中整理候选建模内容，后者侧重对已有图谱数据进行展示和查看。
在实际项目中，可以先确定一个具体的业务问题。
例如，围绕“采购订单分别由哪些供应商承接”这一问题，明确本次建模的业务范围，以及希望梳理和查看的内容。
随后，利用 AI 辅助建模整理候选概念与关系，由工程师和业务专家共同审核、修改与采纳。
模型确认后，还需要准备相应的数据，通过项目所需的数据接入或抽取过程形成图谱内容。
这里需要明确：采纳模型候选，并不意味着系统已经自动生成完整的业务知识图谱。
模型设计与图谱数据准备仍然是需要衔接的工作环节。
有了图谱数据之后，工程师和业务人员可以根据讨论任务选择合适的视图，核对实际对象、关联与记录。
如果发现问题，可以进一步区分是业务含义尚未确认、模型表达需要修改，还是数据准备与抽取结果需要完善，再将反馈带回对应环节。
从材料理解、模型表达，到数据呈现和业务反馈，这些工作共同构成本体建设中的持续协作过程。
qOntology v1.1.0 的 AI 辅助建模和知识图谱多视图，分别为其中的知识整理与沟通工作提供工具支持。
五、其他更新
除 AI 辅助建模和知识图谱多视图两项核心更新外，qOntology 开源版 v1.1.0 还围绕本体模型管理、设计规范和应用页面进行了补充与调整。
1. 项目版本管理
新增项目版本管理能力，支持基于已有版本创建新版本，并查看模型数量与目标覆盖率的统计对比。
这为项目复用已有模型、推进版本迭代以及了解不同版本之间的变化提供了管理支持。
2. 约束规则配置
新增模型公理与数据规则管理，支持语义约束及属性要求配置。
通过对模型语义和数据要求进行统一维护，可以帮助项目规范本体模型的表达。
3. 本体应用及基础页面优化
本次版本新增应用中心、智能问答、分析看板与业务智能体页面，用于展示本体应用方向。
同时，更新本体应用相关页面与入口，并对基础设置及本体应用菜单下的前端页面进行重构，优化页面布局与交互体验。
这些更新分别涉及项目版本迭代、模型规则维护和平台应用入口，进一步补充了本体工程平台在模型管理与应用展示方面的功能内容。
六、从业务知识整理出发，持续完善本体建设过程
企业本体建设并不是简单地整理一份概念清单或绘制一张关系图，而是需要将业务材料、模型设计、数据准备和业务验证联系起来，在持续沟通中确认知识表达是否符合实际场景。
qOntology 本体工程平台开源版 v1.1.0 围绕这一过程进行了更新：
-
AI 辅助建模为业务材料整理和模型初稿准备提供辅助，知识图谱多视图为实体、关系与事件的查看提供不同方式；
-
项目版本管理和约束规则配置，则补充了模型迭代与设计规范管理能力。
本体应用及基础页面的调整，也为平台功能浏览和使用提供了新的入口。
对于正在开展企业本体建设的团队，可以从一个边界清晰的业务主题开始，准备相关材料，与业务专家共同审核候选内容，再结合数据准备和图谱展示核对知识表达。
通过持续反馈完善模型与数据，让工具融入实际的本体工程工作流程。
qOntology 本体工程平台开源版 v1.1.0 已发布，欢迎结合企业自身业务场景进行体验。