本体驱动的情境 AI 评估（OB-CAIE）方法旨在弥补测试覆盖不明确导致的科学严谨性缺失，并在人工专业知识与自动化之间取得平衡，同时提升评估环境的可复现性。\ \ OB-CAIE 通过在科学方法的首要环节——明确待测对象——上设定清晰边界，强化现有 AI 评估体系。方法核心由两套本体构成：领域特定本体（DSO）描述“评估什么”，评估过程本体（EPO）描述“评估如何”。\ \ DSO 与 EPO 共同定义可操作的评估问题空间，可用于单次或多次 AI 评估。方法在关键节点允许以科学依据引入人工判断，特别是在人类反馈不可约化或机器难以替代的复杂领域。\ \ OB-CAIE 的显著优势在于，任何失败点均可在其规范化问题空间中被追溯、可视化并进一步分析，从而实现评估过程的透明化与可调试性。\ \ 点评：该框架通过本体化建模实现了评估范围的明确化和过程的可追溯性，为 AI 评估的可重复实验提供了结构化路径。