跳轉到

Prov-AI Application Profile

A provenance application profile for AI-assisted multilingual KOS (Knowledge Organization System) / thesaurus editing workflows.

當人類編輯與生成式 AI 共同維護一份多語索引典(例如 AAT-Taiwan)時,「這個術語為什麼這樣翻?」「這個範圍註背後有哪些討論回合?」「最終決策是誰下的?」等問題能不能被追溯,取決於整個工作流的溯源記錄是否完整、可重現、可驗證。

Prov-AI AP 是為這類工作流量身打造的 application profile:基於 W3C PROV-O 骨架,採 Linked Art 的 GLAM use-case 敘事風格組織,遵循 Singapore Framework for Dublin Core 五層架構,把「任務 / 回合 / 模型組態 / 來源證據 / 決策結果」串成可被 SPARQL 查詢、SHACL 驗證、PROV graph 視覺化的 RDF 結構。

為誰寫?

  • GLAM / 索引典維護者:你正在用 ChatGPT / Claude 協助轉譯、撰寫範圍註、辨識同義詞,需要把每一輪互動記錄成可審計的溯源資料。
  • AI 應用研究者:你想做生成式 AI 在知識管理任務上的可重現性研究,需要一套對應 PROV-O 的標準化資料模型。
  • Metadata 標準化社群:你想看一個 PROV-O × SKOS × DCMI 混合應用的具體案例,理解 GLAM domain 如何把這些抽象標準落到實作。

怎麼讀這份 AP?

你想了解… 從哪一節開始
這個 AP 是什麼、為什麼存在 Introduction
核心領域模型(WorkItem / TaskRun / TurnRun / Artifact / Result / Agent) Model
全部 54 個元素的規格表 Profile
怎麼把實際對話對應到 RDF 實例 Usage Guidelines + Examples
對標 Linked Art / Singapore Framework / DCTAP 的 checklist References → AP Guideline Checklist
5 個必用 SKOS ConceptScheme Concept Schemes
一個完整 worked example Examples → C02 Motifs
符合性類別(Core-L1 / L2 modules) Conformance
v0.1.1 變動了什麼 Changelog / Release Notes

設計取向

  • L1 Core + L2 Modules 分層:L1 是 minimum closure 能回答主要溯源問題(CQ1–CQ10);L2 模組(OA / DQV / APITrace / Reference)依任務啟用。
  • Typed Artifact Pattern:避免 class 與欄位爆炸,所有「模型組態、提示詞、回應快照、決策註記、來源證據、案例蒐藏」統一為 ex:Artifact ⊑ prov:Entity + ex:artifactType → skos:Concept
  • Roles-as-SKOS:所有「角色 / 類型 / 狀態」以 skos:Concept 表示並以 ConceptScheme 管理(跨專案可複用)。
  • Share / API 雙路徑共用同一 schema:ChatGPT share URL 與 OpenAI API 兩條取值路徑共用一份 schema;share-only redact 用 import_warnings 表達,不分裂兩套 schema。

對標範圍

本 AP 對標範圍鎖定 P0(其他作為背景參考、不強制對齊):

完整對標 checklist 見 AP Guideline Checklist

狀態

  • v0.1.1 — Draft for implementation(本版;2026-05-19)
  • C02 motifs(術語轉譯)為當前第一個 worked example
  • L13 paiban / L08 bianzhong 在後續版本加入
  • DCTAP CSV / SHACL shapes / PROF Manifest 規劃於 v0.2 / v0.3

完整 roadmap 見 Changelog

License

(本版本 License 待 v0.1.1 正式發布前拍板)