本体建模与知识库
用本体的方法设计知识库 Schema、做知识抽取与融合，支撑 AI Agent 的知识层。
科技 · 科技 · 计算机 · 知识图谱 · AI · 语义网 · 作者：这门课的作者 · 1 人学过
学什么：本体核心概念（类/属性/关系/实例/公理）、RDF/RDFS/OWL 形式化语言骨架、Protégé 建模实践、Schema 设计方法、基础推理（一致性、分类）、知识抽取与融合流程、与知识图谱和 AI Agent 的衔接点（含后端存储与前端展示落点）。
不学什么：哲学层面的本体论辩论、描述逻辑的数学证明细节、垂直行业本体的完整建模、推理机性能调优与分布式部署。
知识地图
本体与知识库全景
厘清本体/知识库/知识图谱与 RDB/向量库的边界，明确本体在 AI Agent 知识层（特指带工具调用与长期记忆的 WebAgent 类智能体）中的位置
全章开篇，回答「本体是什么、与知识库/知识图谱/向量库差在哪」，并完成从概念到 AI Agent 知识层的认知桥接，为后续形式化语言与建模提供统一语境。
RDF / RDFS / OWL 形式化语言骨架
掌握 RDF 三元组模型及 RDFS / OWL 的能力层次，能为业务场景选择合适的本体语言剖面
承接模块 0，回答「用什么语言写本体」，给出 RDF / RDFS / OWL 的层次化骨架与序列化格式，为下一章拆解建模原语提供语法基础。
本体核心元素与公理
能拆解任意一份 OWL 本体的 TBox / ABox 结构，掌握类表达式、restriction、属性、个体与关键公理的语义
承接模块 1 的语言骨架，先建立 TBox / ABox 的形式化分层，再逐一拆解建模原语，为下一章使用 Protégé 提供语义词汇表。
Protégé 实践与 Schema 设计方法
能用 Protégé 从零搭建一个小型业务本体，并遵循能力问题驱动、命名约定与现有本体复用等设计规范
回答「怎么把业务需求变成一份 OWL 文件」，以 Protégé 为工具，结合能力问题驱动的设计方法与现有本体的复用策略，演示完整建模流程。
基础推理与 SHACL 数据校验
能区分一致性、分类、可满足性三类 OWL 推理任务与 SHACL 校验任务，能在 Protégé 中定位冲突并上手编写 SHACL shapes
回答「模型写错了怎么发现、能推出哪些新知识、上线后数据质量怎么保证」，把 OWL 推理与 SHACL 校验都纳入可解释的诊断与扩展工具。
知识抽取、存储与 AI Agent 衔接
能描述「非结构化文本 → RDF / 属性图 → 查询 / 推理 → Agent 调用」的完整闭环，并区分 RDF 与属性图（LPG）的工程选型
全图收口，把本体从设计稿推进到生产环境，回答「知识怎么来、怎么存、怎么查、Agent 怎么消费」，把前几章的概念串成工程链路。