利用大语言模型作为混合智能系统的外部记忆、验证与规划层进行自动本体构建

本文提出一种混合架构，通过扩展大语言模型（LLM）的外部的本体记忆层，超越仅依赖参数知识与向量检索的限制。该方案利用 RDF/OWL 构建结构化知识图谱，实现持久化、可验证及语义落地的推理。核心贡献在于从多源数据自动构建本体的流水线，支持实体识别、关系抽取及持续更新。实验表明，在汉诺塔等规划任务中，本体增强显著提升了多步推理性能，并通过形式化验证实现了“生成 - 验证 - 修正”闭环，有效解决了当前 LLM 缺乏长期记忆与结构理解能力的局限。