mirror of
https://github.com/deepseek-ai/awesome-deepseek-agent.git
synced 2026-11-05 01:07:37 +00:00
[GH-ISSUE #183] 关于对deekseek官方编程agent的建议 #62
Labels
No labels
pull-request
No milestone
No project
No assignees
1 participant
Notifications
Due date
No due date set.
Dependencies
No dependencies set.
Reference
deepseek-ai/awesome-deepseek-agent#62
Loading…
Add table
Add a link
Reference in a new issue
No description provided.
Delete branch "%!s()"
Deleting a branch is permanent. Although the deleted branch may continue to exist for a short time before it actually gets removed, it CANNOT be undone in most cases. Continue?
Originally created by @shoushen on GitHub (Jun 3, 2026).
Original GitHub issue: https://github.com/deepseek-ai/awesome-deepseek-agent/issues/183
我听说deepseek官方正在开发自己的编程agent。我建议,是否可以考虑基于Ontology 来开发?
我认为,程序代码的本质是对现实的抽象。目前的AI Coding本质上是使用人类语言利用大语言模型将现实翻译为程序代码(也就是从提示词到代码)。当前,AI Coding遇到的最大问题是以人类语言为载体编程设施(需求说明、开发规范、开发任务、计划等等)在语义上与程序代码是“割裂”的,没有形成映射关系,导致AI生成的代码难以维护、修改。
Ontology本质是一种语言,通过Ontology 这种结构化的语义图谱,可以让代码和和AI编程设施(需求说明、开发规范、开发任务、计划等等)之间形成映射关系,让agent在一个统一的语义空间结构中访问代码和编程设施。
我认为,如果说汇编是低级编程语言,python是高级编程语言,那么Ontology可能就是超级编程语言。
cc这类编程开发agent目前在工程实践上的落地效果并不理想,项目的代码质量和后续维护上仍然存在很大问题,而将Ontology 引入编程agent,我认为是一个新的范式,建议你们可以研究一下。
@GCWing commented on GitHub (Jun 4, 2026):
我们团队其实研究你说的这些早于现在Agentic Search驱动的方案,放弃这些复杂方案的原因就是,实际工程应用存在很多问题,比如构建索引、索引更新、索引共享,而且实际效果其实并不比现在方案好。
这条路走起来会异常艰难。
@shoushen commented on GitHub (Jun 5, 2026):
@GCWing 现在直接由大模型驱动的agent最大的问题就是无法在严肃场景使用,而将本体论引入后,可以实现业务逻辑严格映射,同时,也可以保留大语言模型的灵活性。如果要将agent作为软件开发的基座,我认为是目前必须要走的路径。
大语言模型本质上是隐式的本体论。要投入实际的生产,必须和显示的本轮论结合。
我觉得:
1、看起来难,但实际还好,收益远超成本;
2、在技术领域,难的东西才有价值。
@huskyzhou74-bit commented on GitHub (Jul 8, 2026):
目前我的团队正在进行本体+Agent嵌合开发,感兴趣可多交流