分享一个我们验证OntoDB 数据写入即AI-Ready的能力的一个测试实证报告
内容提要
OntoDB能力实证报告显示：本体五件套DDL全部成功；必填、值域、唯一、不相交等约束在写入时即拒错；写入数据自动事实化，INFER可直接产出带规则归因的传递与类层级蕴含；支持中文n-gram子串检索和HNSW向量检索；回包为机器可读JSON，推理行含规则字段，便于Agent消费。测试发现并修复不相交漏检和EXTENDS不可达两个缺陷，回归348/348通过。
延伸解读
约束在写入路径执行，而非事后清洗
文章强调五道约束（必填、值域、唯一、不相交、OWL限制）在写入时当场拒错，错误信息精确到字段与类。这意味着违规数据无法进入数据库，避免了事后清洗的成本和风险。对于需要高数据质量的AI应用，这种前置校验能确保下游推理和检索基于可信数据，减少脏数据导致的错误结论。
推理结果自带规则归因，便于Agent消费
INFER查询输出的推理行包含subject、predicate、object和rule四元组，明确标注了推导所用的规则（如PrpTrp、Cax-sco）。这种结构化输出让Agent不仅能获取推理结论，还能理解结论的来源，支持可解释性和审计。同时，全链路JSON回包（success/data/elapsed_ms）使机器可直接解析，无需人工干预。
中文检索与向量检索集成，服务AI/RAG场景
文章验证了CJK n-gram子串检索（LIKE '%指挥%'命中“应急指挥车”）和HNSW向量检索（top-k命中）。这两种检索能力内置于数据库，与SQL、OntoQL、INFER共享同一入口，意味着AI应用无需外挂检索系统即可实现语义搜索和相似性匹配，简化了技术栈并降低了数据同步的复杂性。
能力边界明确：OWL-lite与单机实测
附录A如实标注了当前规则族覆盖OWL-lite（Cax-sco、Prp-trp等）及条件-动作规则，并非全量OWL 2 DL；性能数字（如n-gram零命中~1ms）为单机实测值。文章未主张多机分布式推理。读者需注意这些限制，在评估是否满足自身业务需求时，应考虑规则表达能力和部署规模的约束。
Q&A
OntoDB 的“写入即事实化”具体是什么意思？
写入即事实化是指数据写入 OntoDB 时，系统会自动将写入行转换为推理可消费的事实（三元组），无需二次整理。例如写入 Node 链 n1→n2 和 n2→n3 后，直接执行 INFER 查询就能产出 n1→n3 的传递蕴含，并附带规则归因（PrpTrp）。
OntoDB 在写入时如何保证数据符合约束？
OntoDB 在写入路径上执行五道约束闸门：必填、值域、唯一、不相交和 OWL 限制。违规写入会被当场拒绝，并返回精确的错误信息，例如缺少必填属性时提示“required property 'model' is missing for class 'Car'”。合法写入则正常通过。
OntoDB 支持哪些推理能力？
OntoDB 支持类层级透明推理（Cax-sco）和规则推理（如 Prp-trp 传递规则），并可将推理结果物化。查询父类时会自动包含子类实例，INFER 查询能产出带规则归因的蕴含行，且推理过程可解释（EXPLAIN REASONING）。
OntoDB 如何支持 AI 应用和智能体（Agent）？
OntoDB 提供中文 n-gram 子串检索和 HNSW 向量语义检索，方便 AI 进行语义搜索；同时全链路返回机器可读的 JSON 封套（success/data/elapsed_ms），推理行包含 subject/predicate/object/rule 四元组，Agent 可直接消费和追溯推理结论。
测试过程中发现了哪些缺陷？如何修复的？
测试发现两个缺陷：1）不相交闸门漏检，按 id 写入的行绕过 disjoint 校验，修复方式是校验回退取 id 列，并新增回归测试；2）ALTER CLASS EXTENDS 不可达，导致层级无法演进，修复方式是接线并调整加载逻辑，新增回归测试。修复后全量回归 348/348 通过。
OntoDB 的推理能力覆盖哪些规则？有哪些限制？
当前规则族覆盖 OWL-lite（包括 Cax-sco 层级、Prp-trp 传递、等价、不相等等）以及条件-动作规则服务，并非全量 OWL 2 DL。报告明确未主张多机分布式推理和全量 OWL 合规，能力边界如实标注。
