ontogpt

用大模型从文本中自动抽取结构化知识，构建本体图谱

ontogpt 是一个基于大型语言模型（LLM）的本体论信息抽取工具集，核心组件是 SPIRES（Structured Prompt Interrogation and Recursive Extraction System）。它主要解决从非结构化文本中自动提取结构化知识并映射到本体（如生物学、医学等领域）的问题。用户通过定义模板和提示，引导 LLM 输出符合特定模式的实体、关系和属性，从而构建知识图谱或数据库。项目支持多种预定义模板，也允许自定义，并集成了与 BioPortal 等本体服务的交互。其核心能力包括：基于提示的零样本抽取、递归细化提取结果、以及将抽取结果序列化为标准格式（如 JSON、OWL）。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1026

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队monarch-initiative

所属国家

官网地址https://monarch-initiative.github.io/ontogpt

GitHubhttps://github.com/monarch-initiative/ontogpt

定价模式free

价格说明开源项目，BSD-3-Clause许可证，可免费使用和部署。

访问状态

是否开源是

开源协议BSD-3-Clause

主要语言Jupyter Notebook

技术栈/模型ai,chat-gpt,data-modeling,gpt-3,information-extraction,language-models,large-language-models,linkml,llm,monarchinitiative,named-entity-recognition,ner,nlp,oaklib,obofoundry,relation-extraction

GitHub 星标★ 1026

30天Star增速

HF 下载量

上线时间2023-01-03 00:00:00

最近更新2026-09-23 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：入门约 10 分钟部署方式：命令行工具 6 步

环境要求

Python 3.10 或更高版本
OpenAI API 密钥（用于访问 LLM）
可访问外网以拉取所需本体（如通过 OAK 注解器）

安装与启动步骤

1检查 Python 版本

确认本机 Python 版本不低于 3.10，否则 pip 安装后可能无法正常运行。
```
python --version
```
2安装 OntoGPT

用 pip 从 PyPI 安装 ontogpt 包，安装后会提供 ontogpt 命令行入口。
```
pip install ontogpt
```
3配置 OpenAI 密钥

用 runoak 的 set-apikey 命令把 OpenAI 密钥写入配置，供 OntoGPT 调用模型使用。
```
runoak set-apikey -e openai sk-xxxxxxxx
```
4查看可用命令

执行 help 列出 OntoGPT 的全部子命令，确认安装成功并了解可用功能。
```
ontogpt --help
```
5准备示例文本

把待抽取的一句话写入 example.txt，作为抽取命令的输入文件。
```
echo "One treatment for high blood pressure is carvedilol." > example.txt
```
6运行抽取示例

用 drug 模板对示例文本做信息抽取，会自动获取所需本体并输出结果。
```
ontogpt extract -i example.txt -t drug
```

关键配置

配置项	必填	说明	示例
`openai api key`	是	LLM 调用凭证，通过 runoak set-apikey 写入本地配置	`sk-xxxxxxxx`

如何确认成功

执行 ontogpt --help 能列出所有子命令；抽取运行时命令行输出 extracted_object 与 validation 两个区段即成功。

常见问题

Q：不设置 API key 可以运行吗？

A：不行。README 明确要求先通过 runoak set-apikey -e openai 设置 OpenAI 密钥，未设置时模型调用会失败。

Q：输出里的 AUTO: 前缀是什么意思？

A：表示该名称无法在真实本体中完成 grounding，OntoGPT 不会猜测标识符，而是用 AUTO: 前缀标记。

Q：如何确认抽取出的标识符是真实的？

A：看输出中的 validation 区段，它报告每个标识符是否存在于对应本体并与标签匹配，无效项会尽量替换。

Q：除了命令行还有别的用法吗？

A：README 提到还有一个精简的 Web 应用界面，具体用法见项目文档的 Web Application 章节。

注意事项

OntoGPT 不直接让模型生成本体标识符，而是先取名称再通过 OAK 注解器 grounding 并校验，降低幻觉风险。
抽取结果同时输出 extracted_object（抽取对象）和 validation（校验结果）两部分，建议都查看。
自定义模板、递归抽取等高级用法请查阅官方文档 https://monarch-initiative.github.io/ontogpt/。

核心亮点

提供 SPIRES 递归提取机制，能逐步细化复杂抽取任务，提高准确性
内置多种领域模板（如生物、化学），开箱即用，降低使用门槛
与 BioPortal 集成，自动映射到标准本体，方便知识融合

不足之处

依赖外部 LLM API，运行成本和数据隐私需自行考量
模板定制需要学习其特定语法，上手有一定陡峭度

适用场景

从科研文献中自动提取基因、疾病、药物等实体关系，构建知识图谱
辅助构建领域本体，快速生成候选类与属性
将非结构化报告（如医学病例）转换为结构化数据库记录

替代项目

spacy-llm、dspy、extractous

项目介绍

ontogpt 是开发框架领域的开源项目，由 monarch-initiative 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,026）位列前 30%，在开发框架分类中处于中上游。

近 42 天，它的 GitHub 星标从 972 增加到 1,026，净增 54。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-23。BSD-3-Clause许可证，可免费使用和部署。

它主要面向的使用场景是：从科研文献中自动提取基因、疾病、药物等实体关系，构建知识图谱。同类可对比的替代方案包括 spacy-llm、dspy、extractous。

上一篇：OgbujiPT

下一篇：ChainForge