EvoOntology：資料代理之自演化詞彙架構層
為何重要
資料代理類應用的實際落地瓶頸，往往不是推理能力不足，而是理解異質、非結構化資料的門檻。EvoOntology 透過將「中介詞彙架構」自動化，大幅降低資料工程的成本，讓 Agent 能從單一的檢索模式轉向更動態、高靈活的資料理解模式。這對於企業將 AI Agent 整合至內部資料庫或檔案系統具有實際的技術參考價值。
資料代理旨在透過自然語言指令處理表格、檔案等異質資料，但往往面臨代理工具無法精確理解資料的「代理-資料落差」。本研究提出 EvoOntology，將詞彙架構自動化為一個自演化層，讓代理在執行期間可主動與詞彙架構互動。
- 將詞彙架構包裝具象化為具備 Schema、Content 與 Tool 三層的 MCP server。
- 引入 Builder agent 與 Attribute-guided typed edits 的自我演化迴圈來持續精煉詞彙架構。
- 在三個主流 data-agent benchmark 與四種 LLM backbones 上驗證，表現穩健優於現有語意層方法。