## 文档重构(5 个 md + 1 个 html) - README.md: '尚数网本体管理平台' → '本体元数据平台 · Ontology Platform' - docs/README.md: 通用化定位,补全 P0/P1/P2 (Palantir Ontology 对标) + Materialization/BackingSource/Suggestions 全清单 - docs/PLAN.md: 通用化设计目标,改为 'Palantir Ontology 对标' 路线图 - docs/USAGE.md: 用通用占位符(项目/空间/组织)替换尚数网具体业务举例 - docs/IMPORT.md: 把 shangshu 当成 '一个采用方示例' 展示通用模式 - docs/product-intro.html: title/brand/hero/场景/footer 全改通用,沙数只作典型场景之一 ## 代码字符串同步去 shangshu - server/main.go: '[boot] 尚数网本体管理平台监听' → '[boot] 本体平台监听' - server/handlers_connector.go: manifest 'server' 字段 → 'ontology-platform' - server/handlers_mcp.go: tool description + serverInfo → 通用 - server/handlers_functions.go: builtin interface description → 通用 - server/handlers_backing_source.go: 注释去 shangshuwang.cn 具体网址 - server/config.go + server/db.go: 注释/seed 数据改占位 (demo_self / demo_partner_a/b) - server/ai/anthropic.go: fallback systemPrompt → '通用本体平台工程师' - server/ai/heuristic.go: 未识别 summary → '本体概念' - server/ai/prompt.go: 静态 systemPrompt 头部 + JSON 示例去 shangshu ## 前端文案同步 - web/src/App.vue: title 改 '本体元数据平台' - web/src/views/LoginView.vue: 登录页 h1 改通用 - web/src/views/OntologyView.vue: backing source placeholder 改 example.com - web/src/components/ReviewWorkbench.vue + useReviewWorkbench.js: '尚数网' → '本体平台' ## 验证 - go build ./server OK - 剩余 '尚数网' / 'shangshu-ontology' 引用: - 文档 README/README/USAGE/PLAN/IMPORT 仅在 '采用方示例' 上下文出现 - 代码注释 sswOntologySystemPrompt 等 identifier 保持不变(避免改动 API 表面) - skill 名 'ssw-ontology-reviewer' 保持不变(已发布技能) Refs: docs/README.md (1.1 元数据组件表)、docs/PLAN.md (4 当前已完成能力)
6.6 KiB
外部数据源导入 · Ontology Platform
把外部数据源(API、文件、数据库、其他平台)导入到平台,让本体从"人工编辑"变成"实时镜像"。
平台提供两条导入路径,各有所长:
| 路径 | 适用 | 入口 |
|---|---|---|
| 平台内 AI 摄取 | 文本/少量文件/外部资源定义 | POST /api/v1/ai/ingest / POST /api/v1/km/extract |
| 外部脚本(自定义 importer) | 大批量、异构、定时同步 | 自己写 Node/Python 脚本,upsert 到 /api/v1/objects |
下面重点说第二种:平台本身只提供管理 API,导入逻辑由采用方按需编写。下面以"尚数网线上网站 → 本体"为例演示通用模式,可替换成任何外部数据源。
通用模式(三步)
任何外部数据源都可以按下面三步走:
外部 API/数据库/文件
↓ ① 抓取 + normalize(字段映射 + 中文翻译 + 字段类型归一)
↓ ② 映射为本体对象(加前缀避免 pk 与种子冲突 + 决定 object_type)
POST /api/v1/objects (upsert by (object_type, pk))
↓ ③ 尽力匹配 → POST /api/v1/links (建关系)
要点:
- 抓取与翻译用采用方已有的代码(没有就
fetch+ JSON.parse),平台不强制抓取实现 - upsert 靠平台主键策略 +
source字段做溯源,撞 pk 时是覆盖 - 链接按采用方业务规则建,匹配不上保留原始字段
示例:尚数网 shangshuwang.cn → 本体
这是其中一个采用方(尚数网)的导入实现,展示完整模式。复用他们的 xeo 抓取器(
/Users/xs/Desktop/xeo):
xeo/lib/api-client.js:调用尚数网后端/m/*(mobileApi 反编译得到),分页拉取并 normalizexeo/lib/dict.js:把 enCode / 状态码 / 行政区域 / 场景类型 翻译为中文
零新增爬虫代码——直接 require xeo 的库即可。
导入脚本
importer/import-from-xeo.js(Node,依赖 Node 18+ 全局 fetch)。
数据流:
尚数网 API (/m/*)
→ xeo api-client 抓取 + normalize + 中文翻译
→ importer 映射为本体对象(加前缀 pk,避免与种子冲突)
→ 本体平台管理 API POST /api/v1/objects (upsert)
→ 尽力匹配 data_space 关键字 → POST /api/v1/links (建空间链接)
运行
# 前置:本体平台已运行(默认 http://localhost:8081), xeo 在 /Users/xs/Desktop/xeo
# 已在仓库根目录执行,无需再 cd 子目录
# 全量导入 5 类
node importer/import-from-xeo.js --base http://localhost:8081
# 只导某一类
node importer/import-from-xeo.js --type product
# 小批量预览
node importer/import-from-xeo.js --limit 20
# 只打印不写入
node importer/import-from-xeo.js --dry-run
# 带管理鉴权(生产环境设了 MANAGER_API_KEY 时)
node importer/import-from-xeo.js --key <MANAGER_API_KEY>
字段映射示例
| 外部类型 | 本体类型 | pk 前缀 | 主要字段映射 | 关系链接 |
|---|---|---|---|---|
| product | DataProduct |
mkt_ |
name, owner←supplier, desc, price_model←charge_mode 翻译, status←status 翻译, source=平台挂牌 |
SpaceContainsProduct |
| sample | DataResource |
res_ |
name, category←sample_type 翻译, owner←supplier, scale←datasetSize | SpaceContainsResource |
| demand | DataDemand |
dem_ |
name, desc, scene←翻译, deadline, org←demand_orgname, status←翻译 | SpaceHasDemand |
| partner | MemberOrg |
part_ |
name←org_name, role=合作伙伴 |
— |
| news | NewsArticle |
news_ |
name←title, content, date←datePublished | — |
DataDemand、NewsArticle等对象类型与source/role等属性在本次会话的 schema 演进中已逐步沉淀(详见docs/update/2026-08-24.md)。你的导入不依赖这些具体类型——可以自己建。
链接策略与限制
外部源数据里的 data_space_id(UUID 数组)与本体的行业空间是两套命名,UUID 无法直接翻译,因此采用关键字包含匹配:
- 仅当实体的空间翻译名/描述里出现行业关键字(物流 / 茶 / 司法 / ...)且能对应到本体某个空间名时,才建立
→ 可信数据空间链接 - 匹配不上则保留原始
data_space文本作为属性,绝不硬连错
通用模式:你自己接入任意数据源
把 importer/import-from-xeo.js 换成自己的 import-from-xxx.js,三步不变:
- 抓取 + normalize:用你最熟悉的方式(fetcher / ORM / parser)
- 字段映射:在脚本里维护一个
externalType → ontologyType + props的转换表 - upsert + 链接:调
POST /api/v1/objects(撞 pk 自动更新)+POST /api/v1/links
关键约定:
pk加前缀避免冲突(如mkt_/part_/crm_)source字段填本次导入的标识(如crm-monday-sync/wiki-export-2026-08),删除时按 source 级联- 稳定映射:每次重跑都生成相同 pk,这样 upsert 是覆盖而非重复写入
平台内导入(更简单,无脚本)
POST /api/v1/ai/ingest
粘一段文本 → AI 抽取 → 自动落库(mode=auto)或仅生成建议(mode=review)。
curl -X POST 'http://localhost:8081/api/v1/ai/ingest' \
-H 'Content-Type: application/json' \
-d '{"raw_text":"合作伙伴「XX」与「XX 行业空间」达成合作,推出数据产品「X」...","mode":"auto"}'
POST /api/v1/km/extract
知识管理 Tab 上传文件后,批量调 AI 抽取。
详见 docs/USAGE.md 第 5 节。
POST /api/v1/km/connections/:id/import
数据连接资源:定义外部数据库/API/文件 → 一键导入本体,source=conn:<id>。
增量与定时同步
- 每类按外部 id 生成稳定 pk(如
mkt_{id}),POST /objects是 upsert(按(object_type, pk)冲突更新),重跑覆盖、不重复 - 可做成定时任务(如每日一次)调用本脚本,外部新增的数据自动同步进本体,连接器与 MCP 实时可读
- 删除时按 source 级联:
DELETE /api/v1/km/files?source=mkt_*会一并清掉 objects + links + 关联记录
常见问题
Q:导入撞 pk 时 source 字段不更新?
A:升级到 2026-08-24 后已修复。ON CONFLICT ... DO UPDATE SET source=COALESCE(NULLIF(EXCLUDED.source,''), objects.source) 是统一语义(必须加表名限定 objects.source)。
Q:导入后 AI 摄取为啥查不到?
A:检查 source 字段是否正确写入,管理接口 /api/v1/objects?type=xxx&source=xxx 可按 source 过滤。
Q:链接建不上?
A:先确认目标对象存在(get_objects_by_type 或 search_ontology);链接是两端具体对象的关系,任意一端缺失都建不上去。