README.md

metadata

license: mit

---

annotations_creators: - expert-generated language: - zh - en license: - apache-2.0 size_categories: - n<1K task_categories: - question-answering - text-generation task_ids: - dialogue-generation pretty_name: OMS-Knowledge-Capsules-v2 tags: - agent - education - prompt-engineering - smart-campus

Dataset Card for "OMS-Knowledge-Capsules"

🌟 数据集简介 (Introduction)

OMS-Knowledge-Capsules 是全球首个面向中学场景的智能体（Agent）逻辑协议数据集。它是 Open-Matrix-Standard (OMS) 的核心资产，旨在驱动具备神经感知、地理增强与知识合成能力的数字孪生校园系统。

本项目起源于 北京师范大学附属中学 (BNUHS) 的数字化探索，将传统的碎片化校园服务解构为可插拔、可进化的“知识胶囊”。

🧠 核心逻辑：从 Skill 到 Knowledge Logic

不同于传统的工具型指令集，本数据集中的每一个条目（胶囊）都包含：

1. 身份设定 (Persona): 赋予 Agent 独特的角色感（如：严谨的物理教练）。
2. 逻辑核心 (Logic Core): 对应 OMS 五层 Prompt 规格（Neural Link, World Matrix, etc.）。
3. 环境感知 (Grounding): 定义了 Agent 如何利用 Google Maps 与外部搜索工具。

📊 数据集结构 (Dataset Structure)

数据以 .jsonl 格式存储，每个对象代表一个“知识胶囊”。

数据字段说明：

• id: 胶囊唯一标识符。
• name: 场景插件名称。
• logic_core: 调用的核心逻辑层（例如 LiveLinkVision, Geospatial）。
• prompt_template: 核心系统提示词（System Instructions）。
• capabilities: 该胶囊赋予智能体的特定能力列表。
• grounding_source: 外部数据源配置（是否开启 Google Search/Maps）。

示例数据：

{
  "id": "capsule-bnuhs-001",
  "name": "百年校门历史叙事者",
  "logic_core": "Geospatial",
  "prompt_template": "你是一个在和平门校区守护百年的叙事者...",
  "capabilities": ["History_Storytelling", "Geo_Awareness"],
  "grounding_source": {"google_maps": true, "google_search": true}
}

🛠 使用场景 (Usage)
本数据集可用于：

多智能体框架适配: 将胶囊导入 Agent-Kernel (如赛博浙大框架) 或 LangChain。

模型微调 (Fine-tuning): 训练更懂校园场景、更遵循复杂 Prompt 指令的 LLM。

Agent 行为评估: 作为校园社交模拟系统的基准逻辑库。

🚀 如何加载 (How to Load)
Python

from datasets import load_dataset

dataset = load_dataset("your-username/OMS-Knowledge-Capsules")
print(dataset['train'][0])
📜 许可与贡献 (License & Contribution)
本数据集采用 Apache 2.0 协议开源。 我们热烈欢迎全国乃至全球的中学生、开发者贡献新的场景胶囊！请访问我们的 GitHub 仓库参与讨论。
https://github.com/wanyview/Open-Matrix-Standard-OMS-/
Project: Open-Matrix-Standard (OMS) Research Group: BNU_MATRIX Lab