本体建模驱动的AI智能体开发和运行平台-架构优化和功能改进

大家好，我是人月聊IT。

今天再对我前面分享过的基于需求+本体建模驱动构建的AI智能体开发和运行平台做下关键优化过程记录。

首先是整个项目朝上面提了一层，支持多租户，多项目，因此在登录进入平台后首页门户是一个项目列表。在这里可以创建新的项目，也可以管理老项目。对于每个项目都对应一套独立的需求和独立的本体模型。

整个本体建模将开发态和运行态分离，类似原来我们做低代码开发平台的思路。本体建模平台在开发态只有一个数据库，存储所有项目的本体模型和元数据，按多租户，项目ID进行数据隔离。对于运行态则单独构建不同的子目录存储数据库，代码生成和技能包。同时最终输出的项目子目录在和类似CI/CD，DevOps的持续基础和交付平台进行集成。

对于需求对话部分功能进一步优化，增加了深度思考能力，同时进一步优化了流式输出的展示效果。

本体模型生成和本体模型编辑器部分没有大的优化。重点式优化了基于软件需求文档生成本体模型的精确性，并减少生成幻觉。因此在前面发现问题，同样的需求文档+本体模型规范，两次大模型生成的结果有差异，包括对象实体输出都不一致等情况，在本次进一步优化和模型生成的规则和约束信息，包括增加了一个一致性检查文件，在生成后再进行一次规范性和一致性交叉检查。

在数据服务接口，行为接口，规则接口都生成完成后，增加了一个对接口进行单元测试的功能，确保在生成Skills技能包前所有接口都能够单元测试通过并交付到下一个阶段。如果有异常，可以将单元测试结果导出，再转给AI辅助进行优化和解决。

技能管理里面，生成技能体包可以生成两种类型。一种是只能进行数据查询的查询技能体，一种是包括CRUD所有功能的全智能体。对于生成的技能包，点击操作里面的发布功能，可以直接将技能包发布为一个Agent智能体。

点击发布后进入到智能体功能，发布的智能体都会体现到这里。在这里选择一个智能体，点击进入对话即可。注意在点击对话按钮的时候，实际就是基于AI大模型本身的功能再动态加载对应的Skills技能包。那么后续对话就能够基于该技能进行相关的操作。

进入自然语言对话后，类似效果在前面一篇文章中有分享。

当前主要问题还是涉及到跨多表关联查询和统计的时候输出还是有问题。也就是感觉AI还是没有充分理解本体模型的业务语义导致。其次就是现在做了关键约束，不能直接范围DB数据库表，所有操作都需要通过API接口来进行，这也导致了很多涉及到跨库查询的需求实际没有现成的API接口对应的时候，AI在理解和处理上存在问题。当然我当前在运行态对接的DeepSeek V4 Pro模型，也可能和大模型本身的分析处理和推理能力有关系。

总结：当前核心问题还是在于基于需求+本体模型+API能力层构建一个完整理解业务语义的Skills技能包。当前还没有达到比较理想的效果，实际只要Skills技能包能力足够，将技能包打包发布为Agent应该没有任何技术难点，仅仅是涉及到一些AI-UI上的自动化渲染问题。

整个今天对项目进行优化消耗约3亿Token，整体缓存命中率还是不错。但是DeepSeek后续改进错峰计费后，估计成本会更高。