Pneuma 项目: 将信息需求重新建模为关系模式以自动化发现、指导准备并将数据与意图对齐

数据发现和准备仍是数据管理生命周期中的持久瓶颈，尤其当用户意图模糊、演变或难以操作化时。Pneuma 项目引入 Pneuma-Seeker，一个帮助用户通过与语言模型驱动的平台进行迭代交互来阐述和满足信息需求的系统。该系统将用户不断演变的信息需求重新建模为关系数据模型，并逐步收敛到一个符合该意图的可用文档。为实现这一目标，系统结合了三个架构思想：上下文专业化以减少 LLM 在各子任务中的负担、导演式规划器用于组装动态执行计划，以及基于共享状态的收敛机制。该系统集成了最近在检索增强生成 (RAG)、智能体框架和结构化数据准备方面的最新进展，以支持半自动、语言引导的工作流程。我们通过 LLM 基于用户的仿真进行评估，显示该系统有助于暴露潜在意图、指导发现并产生符合目的的文档。它还作为一种新兴文档层，捕获制度知识并支持组织记忆。