使用LLM自动构建本体作为混合智能系统的记忆、验证与规划外部层

本文提出一种智能系统混合架构，其中大语言模型（LLM）通过一个外部本体记忆层得到扩展。所提方法不再单纯依赖参数化知识和基于向量的检索（RAG），而是使用RDF/OWL表示构建并维护结构化知识图谱，实现持久、可验证且语义上有据可依的推理。核心贡献是一条从异构数据源（包括文档、API和对话日志）自动构建本体的流水线。系统执行实体识别、关系抽取、规范化与三元组生成，随后利用SHACL和OWL约束进行验证，并对图进行持续更新。推理时，LLM在融合了向量检索、图推理与外部工具交互的组合上下文中工作。在包括汉诺塔（Tower of Hanoi）基准在内的规划任务上的实验观察表明，与基线LLM系统相比，本体增强提升了多步推理场景下的性能。此外，本体层支持对生成输出的形式化验证，使系统转变为“生成—验证—修正”流水线。所提架构解决了当前基于LLM系统的关键局限，包括缺乏长期记忆、结构理解薄弱以及推理能力有限。它为构建需要持久知识、可解释性与可靠决策的智能体系统、机器人应用和企业AI解决方案提供了基础。