ocgOpen Cognitive Graph · CDC v2.1

Open Cognitive Graph AI 认知基础设施

OCG 让 AI 从“基于概率的文本生成”,走向“基于认知结构的确定性推理”。

我们把领域知识、专家判断、评估标准和证据边界,转化成 AI 可以运行、可评估、可追溯的认知图谱与底层结构。

const record = await ocg.run({  domain: "language_reading",  ability: "EvidenceReasoning",  answer: "我觉得这个说法不够准确。文章确实…",}); // → CDCRecord{  c:  "不能证明不熬夜就是原因",  r:  "R-04", D: "evidence_reasoning",  C′: { level: "L4 迁移性理解", confidence: 0.88 },  evidence: ["把“同时发生”当成了“因果关…", …],  status: "proposed"}
D =税费与费率计算儿童安全座椅阅读理解·证据推理AI 技术全栈AI 治理与合规大气环境治理教育政策学习科学

为驱动 AI 推理而建

AI 不再凭概率给出结论,而是在认知结构上运行:每一步有规则,每个结论有证据。

cdc.unit
c当前认知
r@D领域关系
C′新认知

认知最小单元

AI 的每一步推理都是一条 CDC:从当前认知 c 出发,经领域 D 中的关系 r,得到新的认知 C′。

rules.domain
D · 证据推理4 条规则
复述结论R-01 → L1
经验举例R-02 → L2
结构解释R-03 → L3
迁移分析R-04 → L4

领域规则

专家的判断方式写成可检查的规则。AI 负责识别信号,结论由规则给出,换个问法也不会漂移。

evidence.trace
原文信号引文

“这只是两个例子,不能证明不熬夜就是原因。”

信号:因果质疑 · 支持 R-04

证据可追溯

每个结论都附带原文引用和命中的规则,可以逐条回查,不再是一段无法核对的评语。

review.status
AI 生成记录proposed
专家复核reviewing
进入认知图谱accepted

可评估,可积累

记录带有置信度和适用边界。复核通过后进入图谱,成为下一次推理的结构。

看一个案例

教育案例 · 学生回答 → 认知诊断卡。同一个模型,接入 OCG 之后的完整推理过程。

打开完整案例 ↗
step-1.input.ts
// 1. AI 收到一个任务const input = {  domain: "language_reading",  ability: "EvidenceReasoning",  question: "有人说“小华成绩好,是因为他不熬夜”…",  answer: "我觉得这个说法不够准确。文章确实提到…",};

案例库

每个案例都讲清一个被解决的问题:AI 原来怎么得出结果,接入了哪套结构,结论能追溯到哪里。

cases.index
案例领域 D结构规模分类
Lc
logic.codes:AI 不再自己算数AI 只找计算器、预填数值;结果来自版本化公式与带出处的官方数据
calculation60 个计算器 · OCG 知识包行业案例打开 ↗
Ay
AgentYes:让 AI 智能体分清「适用 / 不适用 / 未知」商品知识写成带原文证据的记录,智能体按规则判断,不从商品页推断
child_restraint4 种模式 · 三态判断 · Page Standard v0.2行业案例打开 ↗
Dx
学生回答 → 认知诊断卡AI 按四条证据推理规则判定作答层级
language_reading4 条规则 · L1–L4教育案例打开 ↗

方法与工具

方法讲清认知如何结构化、如何用于教学、如何合作;工具与资源让你的模型直接接入认知结构。

给你的 AI 一套认知结构

从一个领域问题开始,而不是从技术开始。