EvoOntology：数据智能体的自演化本体层

数据智能体试图对表格、文件、数据库等异质数据完成自然语言指令，却面临智能体与数据鸿沟：数据在外部，只能通过通用工具访问列名、路径等。现有方法让智能体直接探索原始源，或把人工语义层注入提示，既难扩展到大型异质来源，也难适应不同智能体行为。我们提出自演化本体层EvoOntology，将模式、内容和工具层封装为MCP服务器，使智能体运行时主动查询与交互。构建智能体自主创建本体，自演化循环通过归因引导的类型化编辑持续优化，只有经过以骨干模型为条件的配对评估后才接受修改。在三个常用数据智能体基准和四个大模型骨干上，EvoOntology持续优于强基线及现有语义层方法，有效弥合鸿沟并改善异质数据交互。代码见原摘要链接。