免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

动态本体的第二次迭代:从“能研判”到“会成长”

发布日期:2026-08-14 14:25:24 浏览次数: 1749
作者:梅西的诺坎普

微信搜一搜,关注“梅西的诺坎普”

推荐语

从“能研判”到“会成长”,动态本体迭代聚焦轨迹预测进化、函数自生长与经验沉淀,实现智能体系统能力跃升。

核心内容:
1. 空中目标轨迹预测模型重构(粒子Monte Carlo+多因素融合)
2. 动态本体函数拆分为可进化的OpenClaw Skills
3. 智能体系统经验沉淀与可视化优化(轨迹、函数、系统三维成长)

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
昨天那版东海防空识别区空情研判 MVP,解决的是第一个问题:让OpenClaw 不再直接面对一堆表、报文和地图图层,而是先进入一个动态本体空间。态势数据、航侦报文、技侦报文、开源地理和历史案例,先被映射成 AirTarget、TrackPoint、IntelReport、AirspaceZone、SimilarTrackCase这些对象;对象之间再通过 Link 连接;OpenClaw 通过 MCP 调用本体函数,完成威胁评估、证据链解释和 Cesium 可视化输出。
今天这次迭代,重点不再是“有没有本体”,而是继续往前走一步:本体里的计算能力怎么变得更准?函数怎么随着使用不断进化?智能体系统怎么沉淀经验,而不是每次从零开始?
我们做了四件事。
第一,重写了空中目标轨迹预测和进入 ADIZ 概率模型。原来更接近启发式规则,现在改成 ENU 坐标下的粒子 Monte Carlo 预测,再把运动学命中概率、情报置信度、历史相似航迹、目标语义和保障 Link 先验做融合。
第二,把动态本体中的“函数”拆成了 OpenClaw 可以渐进式加载的 Skills。本体仍然定义函数签名、输入对象、输出对象和治理策略,但具体实现放进 Skill 目录:SKILL.md、scripts/、references/。这样函数不再只是固定脚本,而是可以随着项目使用继续沉淀。
第三,明确了智能体成长的三条线:OpenClaw 记忆系统成长,Skills经验成长,动态本体模型自身成长。三者不是一回事,也不能混在一起。
第四,重新组织了“本体情况”工具栏的可视化。现在它更接近 Palantir 动态本体的分层表达:数据层、语义层、动能层、动态层、应用层。看图时,业务专家能更快理解系统里每个要素处在什么位置。

PART 01


轨迹预测:先把经纬度问题变成局部坐标问题


空中目标进入防空识别区的概率,不能直接用经纬度差值粗算。经纬度是球面坐标,纬度和经度的距离尺度并不一样,尤其在东海这种区域范围内,直接用 Δlon和 Δlat做速度、转向和外推,会把几何误差带进概率模型。
所以我们先把目标轨迹点从经纬度转换到局部 ENU 坐标。这里的ENU 是 East-North-Up,本项目当前只用水平面的East 和 North 两个分量。
对最近 6 到 12 个航迹点,按 5 秒采样间隔估计运动状态:

PART 02


Monte Carlo:用粒子统计“是否命中 ADIZ 多边形”


东海 ADIZ 在本体里是 AirspaceZone对象,其边界来自六个坐标点构成的多边形。我们把 ADIZ 多边形也转换到 ENU 坐标:
这一步很重要。比如 TGT-017 已经在东海 ADIZ 里,那么它“未来进入 ADIZ 的概率”不能再是 60%、80% 或 95%,而应该是 100%。这是业务事实优先于预测模型。
如果目标尚未进入 ADIZ,则做 20 分钟预测。每条粒子轨迹按 5 秒一步前推,当前实现采样 4000 条粒子。每条粒子会在 CV、CT、Singer 三类模型之间采样:
统一的位置推进公式是:

PART 03


平台参数:不同飞机不能按同一种机动假设外推


RC-135、F-16、F-22、E-3、KC-135 不应该共用一套运动噪声。大型 ISR 平台和战斗机的速度、转弯率、机动扰动差别很大。我们在 Skill 的references/platform_params.md里放了一张平台参数表,当前作为 MVP 假设。

平台

速度扰动 

航向扰动 

最大转弯率参考

RC-135V/W

35 km/h

1.2°/s

F-16CM

70 km/h

4.5°/s

F-22A

80 km/h

10°

5.0°/s

E-3G

30 km/h

1.0°/s

KC-135R

25 km/h

0.8°/s

P-8A

40 km/h

1.8°/s

MQ-4C

20 km/h

0.7°/s

C-130J

25 km/h

1.0°/s

这张表不是权威性能表,而是工程上的先验参数。它的意义在于:模型知道一个 F-16 可能做出更激烈的航向变化,而 RC-135、E-3、KC-135 这类平台更可能保持稳定航路。后续如果实测数据积累更多,这张表可以被持续校正。

PART 04


证据融合:概率不是单纯运动学


仅靠运动学会漏掉很多业务语义。
一个目标向 ADIZ 靠近,可能是训练、巡逻、误入,也可能是有组织的抵近试探。如果它有航侦报文支撑、有技侦监听支撑、有历史相似案例,并且与加油机、预警机、护航机存在保障关系,那么它进入 ADIZ 或在边界附近持续行动的先验就不一样。
Shistory是历史相似案例中的最高相似度。比如当前航迹与历史boundaryparallelisr或 fighterpatrolnearboundary模式接近,就会给模型提供历史先验。
Sevent是当前运动事件得分,比如 boundaryapproach、boundaryparallelpattern、nonapproachorlowattention。
Prior_threat来自当前威胁等级:

威胁等级

high

+0.18

medium

+0.10

low

-0.08

Prior_country来自国别语义:

国别语义

red

+0.08

unknown

+0.10

neutral

-0.12

blue

-0.18

Priorsupportlink来自本体Link,而不是简单加分:

支援 Link 类型

support_enabler

+0.16

escort_or_counterair

+0.12

isr_collection_chain

+0.10

none

0.00

这里特别强调一点:保障关系不是“看到 KC-135 就直接加 10%”。它是本体 Link 形成的任务持续性先验,在 logit 空间参与融合。这比简单 bonus 更稳定,也更容易解释。

PART 05


为什么把本体函数改成 Skills


昨天的模型里,本体函数还是本体 runtime 里的固定函数。今天我们改了一个关键设计:本体中仍然声明函数,但具体函数实现绑定到 OpenClaw Skill。
也就是说,本体里现在是这样一种关系:
Ontology Function Declaration
assess_threat@0.1.0
predictadizentry_probability@0.2.0
Skill Binding
assess-threat
adiz-entry-probability
functions.json里增加了 skillBinding:
{"name": "predict_adiz_entry_probability","version": "0.2.0","input": ["AirTarget", "TrackPoint", "IntelReport", "SimilarTrackCase", "SupportRelationship", "AirspaceZone"],"output": ["AdizEntryProbability"],"riskLevel": "medium","skillBinding": {"skill": "adiz-entry-probability","version": "0.2.0","entrypoint": "skills/adiz-entry-probability/scripts/predict.py","progressiveDisclosure": true,"allowedEffect": "decision_support_only"}
本体还是负责定义:
  • 这个函数叫什么
  • 输入哪些对象
  • 输出什么对象
  • 风险等级是什么
  • 允许产生什么效果
  • 绑定哪个Skill
Skill 负责实现:
  • 什么时候应该使用
  • 如何准备输入
  • 如何运行脚本
  • 参考哪些参数表
  • 踩过哪些坑
  • 如何解释输出
这让本体和函数实现解耦了。

PART 06


Skill 的渐进式披露


新增的两个 Skill 位于:
  • work/ontology-runtime-mvp/skills/adiz-entry-probability
  • work/ontology-runtime-mvp/skills/assess-threat
每个 Skill 目录都遵循同样结构:
  • SKILL.md
  • scripts/
  • references/
  • assets/ optional
SKILL.md的YAML 前置元数据是第一级披露。它短小,只告诉 OpenClaw 什么时候该用这个 Skill:
---name: adiz-entry-probabilitydescription: Use when OpenClaw needs to estimate the probability that one or more air targets will enter the East China Sea ADIZ...version: 0.2.0ontology_function: predict_adiz_entry_probabilityallowed_effect: decision_support_only---
SKILL.md正文是第二级披露。只有当 OpenClaw 判断当前任务确实需要这个 Skill 时,才加载完整指令,比如输入输出契约、运行方法、约束和解释口径。
references/是第三级披露。它不会默认塞进上下文,只有需要调整平台参数、解释概率融合、复盘错误案例时才读取。
比如 adiz-entry-probability当前有:
  • references/platform_params.md
  • references/probability_fusion.md
  • scripts/predict.py
这正好适合这个项目。概率模型不是一锤子买卖。后续我们发现某类平台参数不合理、某种任务链先验偏高、某类报文权重过强,都可以沉淀到 Skill 的 references 或 scripts 里,而不是每次改 prompt。

PART 07


MCP Runtime 如何调用 Skill


OpenClaw 仍然不直接执行任意脚本。调用路径是:
OpenClaw
→ MCP run_function
→ ontology runtime 检查 functions.json
→ 找到 skillBinding
→ 准备本体对象 bundle
→ 调用 Skill script
→ 接收结构化 JSON
→ 回写本体决策对象
这样有两个好处。
第一,Skill 不能绕过本体数据契约。它拿到的是 runtime 准备好的bundle,不是自己随意查数据库。
第二,Skill 不能绕过动作权限。predictadizentryprobability的 allowedEffect是 decisionsupportonly。它可以输出AdizEntryProbability,可以触发updateprobability_overlay这种可视化动作,但不能直接执行高风险操作。
当前 runfunction("predictadizentryprobability")返回结果里会包含 Skill provenance:
{"skill": {"name": "adiz-entry-probability","version": "0.2.0","loaded_levels": ["metadata", "SKILL.md", "scripts/predict.py"],"progressive_disclosure": true}
这让研判结果不只知道“哪个本体函数算的”,还知道“哪个 Skill 版本算的”。这对后续审计、回放和模型迭代很关键。

PART 08


智能体成长:不是一个地方成长,而是三条线同时成长


如果把“成长”只理解为大模型记忆,那系统会很快变得混乱。这个项目里,我们把成长拆成三条线。


第一条线是 OpenClaw 记忆系统成长
OpenClaw 的记忆适合记录使用偏好、任务上下文、常见工作流、专家反馈和历史交互。例如业务专家经常追问“为什么 TGT-017 是 100%”,系统就应该记住:进入概率问题必须先做 ADIZ 内外判定,并优先解释 alreadyinsideadiz。
记忆系统解决的是智能体层面的连续性:下一次再做同类任务,不必完全从零开始。


第二条线是 Skills 成长
Skill 适合记录“怎么做得更好”和“哪些坑不要再踩”。比如:
好的经验:
  • 已进入 ADIZ 的目标直接 P=1.0
  • 平台参数要区分 ISR、战斗机、加油机、预警机
  • 保障关系用 logit prior,不用简单百分比加成
踩过的坑:
  • 不能直接用经纬度差值算运动状态
  • 不能提前显示未来预测航迹
  • 单源情报不能过度抬高置信度
  • 数据源不要直接连对象,要说明字段映射和对象属性
这些内容放在 Skill 的 references/最合适。它们不是本体结构,也不是一次会话记忆,而是某个函数能力的工程经验。


第三条线是动态本体成长
动态本体成长不是改 prompt,也不是改算法,而是业务模型本身变丰富。比如今天我们加入了 SupportRelationship,把保障、护航、支援关系作为 Link 先验。未来还可以继续增加:
  • MissionPackage 任务编组对象
  • AirBaseActivity 机场活动对象
  • SensorEmission 电子辐射对象
  • CommandIntentHypothesis指挥意图假设对象
  • AirRouteCorridor 航路走廊对象
  • ReviewTask 人工复核任务对象
本体成长解决的是业务世界表达能力的问题。它决定系统能理解什么对象、什么关系、什么动作边界。
三条线合在一起,智能体系统才是真的成长:
  • OpenClaw Memory 让智能体记住上下文
  • Skills 让函数能力积累经验
  • Dynamic Ontology 让业务语义空间持续扩展

PART 09


动态本体可视化:从对象图改成五层图


今天我们也重新组织了“本体情况”工具栏。
之前的图更像对象图:左边是数据源,中间是对象,右边是函数和输出。这个图能说明数据源如何映射对象,但业务专家看起来还不够接近 Palantir 动态本体的分层。
现在我们改成五层:数据源层、语义层、动能层、动态层、应用层


数据源层
放 5 个数据源:
  • situation_feed
  • recon_report
  • sigint_report
  • opensourcegeo
  • historicalcasedb
这些数据源统一用黄色平行四边形表示。这里刻意统一颜色,是为了强调它们都属于“数据源”,区别不靠颜色,而靠节点名称和说明。后续如果要表达数据质量、在线状态或可信等级,可以再叠加徽标,而不是让颜色承担太多含义。


语义层
放对象和 Link:
  • AirTarget
  • TrackPoint
  • IntelReport
  • AirspaceZone
  • SimilarTrackCase
  • SupportRelationship
SupportRelationship明确作为Link 类型对象出现,表达保障、护航、支援等关系。


动能层
放 Function、Skill 和 Action:
  • assess_threat
  • predictadizentry_probability@0.2.0
  • skill:assess-threat
  • skill:adiz-entry-probability
  • updatecesiumoverlay
  • updateprobabilityoverlay
这层是今天变化最大的地方。Function 不再等同于代码实现,而是本体函数声明。真正的实现由 Skill 承担。Action 负责把本体空间里的结果输出到外部应用。


动态层
放函数输出的决策和事件对象:
  • ThreatAssessment
  • ApproachEvent
  • AdizEntryProbability
  • HumanReviewTask
这些不是原始数据,而是运行时生成的动态对象。它们会随着数据流、函数计算、专家复核持续变化。


应用层
放本体空间之外的业务应用:
  • Cesium Digital Earth
  • OpenClaw Console
  • Report/Audit View
这层说明本体不是最终界面。Cesium 是态势可视化,OpenClaw Console 是对话式研判入口,Report/Audit View 是报告和审计视图。它们消费本体输出,但不应该替代本体本身。

PART 10


现在这版架构的意义


今天的迭代之后,这个 MVP 的技术路线更清楚了。
  • 动态本体负责定义业务世界:有哪些对象、属性、Link、函数声明、动作和权限边界。
  • MCP Runtime 负责治理:匹配本体、准备 workspace、检查数据契约、调用函数、记录 lineage、拦截高风险动作。
  • OpenClaw Skills 负责能力实现:把函数背后的算法、脚本、参数表、经验文档沉淀下来,并支持渐进式加载。
  • OpenClaw 负责智能体编排:理解自然语言任务,选择本体,调用 MCP,解释结果,继续追问或发起复核。
  • Cesium 负责应用呈现:显示目标、航迹、预测、ADIZ、情报标记、概率卡片和本体图。
这套分工让系统避免两个常见问题。
一个问题是“大模型直连数据库”。这样短期很快,长期会失控:字段含义不稳定,业务规则不可审计,动作边界不清晰。
另一个问题是“本体只当静态图谱”。如果本体不能运行函数,不能输出动作,不能跟智能体交互,它就只是文档,不是 runtime。
现在的方向是中间路线:本体是 runtime 语义层,Skills 是可成长的函数能力层,OpenClaw 是任务编排层。

PART 11


下一步


这次已经把 predictadizentryprobability@0.2.0和 assessthreat@0.1.0 Skill 化。下一步应该继续做三件事。
第一,把 Skill 的 references 继续补强。尤其是平台参数、历史案例、误判案例、情报权重、复核规则,都应该从代码里逐步迁移到可读、可审计、可迭代的 references。
第二,把 Skill 运行结果回写成更完整的本体对象。目前结果已经能返回 probability、CI、factor、lineage,但还可以进一步实例化为 AdizEntryProbability对象列表,并在对象图里支持查询。
第三,把专家反馈纳入成长闭环。比如专家认为某次概率偏高,系统不应该只改一行代码,而要记录:
  • 这次为什么偏高
  • 是平台参数问题
  • 是历史相似案例问题
  • 是情报权重问题
  • 还是本体 Link先验问题
然后决定该进入 OpenClaw memory、Skill references,还是动态本体模型。
这才是我们理解的动态本体落地:不是一次性建一个漂亮图,而是让业务语义、函数能力和智能体经验一起成长。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅