FDE Ontology — 多源本体自动提取与审核

多源输入→本体检出→AI审核→场景升级→代码生成 自动化管线

触发条件

• "提取本体" / "生成本体" / "梳理本体"
• "自动创建本体" / "审核本体"
• "从 Excel/PPT/DOCX 提取设备"
• "协议解析生成本体"
• 编辑 thing_model.json / io_ontology.json 后自动审核
• 对接 fde-toolkit / fde-iot / fde-deploy 输入

输入源→提取器

输入	格式	提取内容	输出
寄存器表	.xlsx	Modbus 地址·类型·单位·阈值	thing_model.properties[]
设备清单	.docx/.ppt	设备名·型号·数量·协议	Device[]
网络抓包	.pcap	A11 5a5a 帧·Modbus TCP·OPC DCOM	protocol.json
配置文件	.ini/.conf	通道配置·DTU参数·数据库连接	Channel[]
架构图	.ppt/.drawio	网络拓扑·服务器·数据流	Site/Gateway[]
进程清单	.csv/.txt	进程名·版本·内存·心跳	Process[]
运行日志	.log/.zio	设备地址·测点名·实时值	Thing[]
投标文件	.docx	设备材料清单·技术参数	Product[]

工作流

Phase 1: EXTRACT — 多源提取
  └── scripts/extract_*.py (per source type)

Phase 2: MERGE — 本体合并
  └── scripts/merge_ontology.py
      去重·冲突检测·补全缺失字段

Phase 3: AUDIT — 7项审核
  └── scripts/audit_ontology.py
      1.寄存器地址冲突  2.数据类型不匹配  3.告警阈值不合理
      4.devaddr重复     5.协议端口冲突    6.TDengine表名长度
      7.ACL规则覆盖检查

Phase 4: UPGRADE — 场景智能升级
  └── scripts/scene_upgrade.py
      读TDengine历史 → 优化阈值·关联规则·预测模型建议

Phase 5: DEPLOY — 入库+生成
  └── 本体 → dgaiot Parse (Site/Gateway/Device/Point)
      ↓
      AI code gen → gen_statem + MQTT + TDengine schema

RULE

1. 本体是唯一真相源 — 所有输入最终合并为单一本体文件
2. 审核不可跳过 — 7项检查通过才可进入下一步
3. 人工确认在审核后、部署前 — AI 建议，人决策
4. 生产环境运行确定性代码 — 生成的 .erl 编译后直接部署，无 AI 参与
5. 修正本体不修正代码 — 发现错误改本体，重新生成

输出物

output/
  thing_model.json         合并后的物模型 (带审核标记)
  devices.json             设备注册表
  ontology_report.md       审核报告 (问题清单+处理建议)
  upgrade_plan.md          智能升级方案
  generated/               AI 生成的确定性代码
    dgiot_shadow_guard.erl  编译后的 gen_statem guard
    bridge_config.yaml      MQTT桥接配置
    tdengine_schema.sql     TDengine建表语句

协作技能

fde-ontology ← fde-toolkit (PPT→DLAS)
             ← fde-iot      (pcap→protocol)
             ← fde-deploy   (config→channel)
             ← docx-gen     (投标书→设备清单)
             ↓
             → dgaiot       (本体→代码→部署)