Logos — 中文符号语义 NLP 系统

用中文词定义中文词，用 is_a / 闭包 / 约束表代替向量相似度。

语义正确性不靠模型评测，而由 SQL 断言守护 —— 每一条语义关系都可被查询、被验证、被推翻。

📖 第一次接触本项目？请先读 使用说明书（GETTING_STARTED.md） —— 从克隆到跑通、从看懂数据到改数据，全部命令都实测过。

---

核心理念

• 用中文词语定义词语 —— 释义本身也是词典中的词，不引入外部向量空间。
• 用数据库关系替代向量 —— 上下位（is_a）、部分整体（has_part）、属性（has_property） 等显式关系构成可解释的语义骨架。
• 语义正确性由 SQL 断言守护 —— 传递闭包、约束表与校验脚本共同构成"可证伪"的语义层。

架构概述

┌──────────────────────────────────────────────────────────────┐
│  schema_v3.sql                                               │
│  SQLite STRICT 表（52 张）+ 10 触发器 + 34 索引 + 5 视图      │
│                                                              │
│   words ──< senses ──< relations >── senses                  │
│                │            │                                │
│                │            └──► tr_closure_edge_ai          │
│                │                  （触发器维护传递闭包）      │
│                ▼                                             │
│           sense_features        closure（物化闭包表）         │
│                                      │                       │
│                                      ▼                       │
│                             logos/db/closure.py              │
│                             logos/parser/syntax_parser.py    │
└──────────────────────────────────────────────────────────────┘

• SQLite STRICT 表 —— 列类型强校验，杜绝隐式类型漂移。
• 触发器维护传递闭包 —— 关系边一经插入，闭包行由 tr_closure_edge_ai 自动派生； is_transitive=1 且 closure_policy.mode='incremental' 的关系才会物化。
• 方向不变量 I3 —— closure.ancestor 恒等于边的 dst（见 docs/CLOSURE_DIRECTION.md）。
• 自动发现种子 —— init_database 以 SEED_GLOB = "seed_*.sql" 按文件名排序加载， 顺序即依赖顺序。

快速开始

# 1) 从零建库 + 结构性自检（exit 0 表示全绿）
python apply_seeds.py

# 2) 往既有库增量叠加种子（跳过 schema，只重放 seed_*.sql；目标库须已存在且 schema 兼容）
python apply_seeds.py logos.db --keep

# 3) 医学库全量校验（schema + 全部种子 + 医学子树）
python validate_medical.py

--keep 只补数据、不动结构：种子文件全部幂等（ON CONFLICT DO NOTHING / WHERE NOT EXISTS）， 可反复执行；但若改动过 schema_v3.sql，仍需用默认模式（不加 --keep）从零重建。

建库产物（logos.db 等）不入版本控制 —— clone 后跑一次 apply_seeds.py 即可重建。

验证状态

脚本	断言数	状态
validate_schema	102	✅
validate_seed	77	✅
validate_connection	159	✅
validate_closure	87	✅
validate_syntax_parser	214	✅
validate_medical	230	✅
e2e	64 PASS / 4 XFAIL	✅
apply_seeds 自检	39	✅
合计	976	FAIL 0

已知偏差以 XFAIL 档记录，使「FAIL=0」与「诚实记录缺陷」兼容。

项目结构

数据库logos/
├── README.md                                  # 项目门面
├── GETTING_STARTED.md                         # ★ 使用说明书（克隆后先读这个）
├── schema_v3.sql                              # STRICT 表结构（52 表 / 10 触发器 / 34 索引 / 5 视图）
│
├── seed_animal_kingdom.sql                    # 动物分类 + 属性/部位/行为多跳闭包
├── seed_general_v3.sql                        # 通用领域种子
├── seed_general_v3_ext.sql                    # 通用扩展（营养物 / 分类骨架 / 量词）
├── seed_medical_v3.sql                        # 医学骨架
├── seed_medical_v3_imaging.sql                # 影像特征子树（6 维度 / 25 取值 / 12 义素）
├── seed_medical_v3_patch_symptom.sql          # 通用症状补丁
├── seed_medical_v3_patch_symptom_layers.sql   # 疾病分层补丁
├── seed_medical_v3_patch_symptom_severity.sql # 症状严重度义素（纯标注，不新增词）
│
├── apply_seeds.py                             # 建库 + 结构自检（--keep 增量叠加）
├── validate_schema.py                         # 表结构 / 约束 / 触发器
├── validate_seed.py                           # 通用种子
├── validate_connection.py                     # 连接层 / PRAGMA / 事务
├── validate_closure.py                        # 传递闭包不变量
├── validate_syntax_parser.py                  # 句法解析器
├── validate_medical.py                        # 医学库（§M1–§M13）
│
├── logos/
│   ├── db/
│   │   ├── connection.py                      # init_database / get_connection / 种子自动发现
│   │   └── closure.py                         # 闭包读写与不变量巡检
│   └── parser/
│       └── syntax_parser.py                   # 词典驱动的中文句法解析
│
├── tests/
│   └── test_e2e_cat_eats_fish.py              # 端到端（走 init_database，加载全部种子）
│
└── docs/                                      # 每层一份设计文档
    ├── BUILD_PRECHECK.md
    ├── CLOSURE_DIRECTION.md
    ├── CLOSURE_LAYER.md
    ├── CONNECTION_LAYER.md
    ├── E2E_TEST_REPORT.md
    ├── MEDICAL_LIB_DESIGN.md                  # 医学库 + 症状继承 + 严重度 + 影像特征子树
    ├── SEED_EXT_NOTES.md
    ├── SEED_GENERAL.md
    ├── SYNTAX_PARSER.md
    └── TEST_AUDIT.md

领域库状态

领域库	状态	内容
通用库	✅	基础词表 + 扩展分类骨架 + 量词
医学库	✅	医学骨架 + 症状继承（沿 is_a 闭包）+ 症状严重度（sense_features）+ 影像特征子树
动物库	✅	动物分类骨架 + 关系多样闭包（80 义项 / 316 新关系 / 719 新闭包；is_a / has_property / typically_has / can_do / part_of / opposite_of）

推理链的现状

• 症状继承（✅ 已实现） —— 疾病的症状 = 直接声明 ∪ 沿 is_a 继承（has_symptom 不产生闭包， 继承发生在 is_a 维度）。如 癫痫 ⇒ 8 种症状 = 层边继承 5 + 直接边 3。
• 动物关系闭包（✅ 基础版已实现） —— seed_animal_kingdom.sql 用真实的同关系链打通 has_property、typically_has、can_do、part_of 的深度≥2 闭包，分别为 75 / 58 / 178 / 9 条；另有 opposite_of 7 条直接属性对立。闭包仍全部由触发器/队列派生， 无手工 closure INSERT。
• 影像特征映射（🚧 设计完成，实现待补） —— 设计文档与符号词表已就位： seed_medical_v3_imaging.sql（37 个义项 / 12 个义素 / 6 条 typically_has）， 符号侧的查询可用，如 恶性结节 典型特征 = {不规则形, 毛刺状, 高密度}（typically_has，confidence 0.8）。 CNN 检测（Layer 1）与 ML 映射层（Layer 2，SVM/RF → 符号特征）尚未实现 —— 仓库内没有 imaging/ 模块，当前只覆盖「数值 → 符号」的目标词表端。

设计哲学

"用中文词定义中文词，用 is_a / 闭包 / 约束表代替向量相似度。"

语义是一张可查询的图，不是一个不可解释的向量。 每一条关系都被 SQL 断言钉住，任何一处语义错误都应当能被一条查询捕获。

路线图（Roadmap / Planned）

以下能力中，动物库基础扩展已落地；其余尚未完整实现（目前只有设计文档、符号词表或推理原型）：

• 动物库领域扩展（✅ 基础版已完成） —— 新增 80 个义项、316 条关系、719 条闭包， 覆盖 is_a、has_property、typically_has、can_do、part_of、opposite_of 六类关系； 后续可继续补生态、行为细节与更多物种。
• 影像管线 Layer 2 ML 映射器 —— SVM / 随机森林 → 符号特征；Layer 1 的 CNN 检测同样待补。 已有成果为符号词表与设计文档（seed_medical_v3_imaging.sql、docs/MEDICAL_LIB_DESIGN.md §13）。
• Logos Transformer —— 基于关系图的注意力推理（relational graph attention）。设计见 docs/LOGOS_TRANSFORMER_DESIGN.md；logos_transformer/ 下已有 可运行原型（随机权重、推理-only）与首个闭包预测训练实验（train_closure.py，见设计文档 §9）； 符号层回写（inferred_relations）与查询集成尚未实现。
• 自然语言接口 —— 面向终端用户的自然语言问答 / 写作入口。

许可证

MIT © 2026 Logos Contributors