ontology-golden-case-testing

本体“黄金用例—测试矩阵—结果回溯”验收

方法骨架

• 用业务专家定义的黄金用例建立本体验收基准，再让AI扩展边界和异常测试。
• 每个用例包含真实问题、输入事实、期望规则路径、期望答案或Action和判定标准。
• 测试矩阵覆盖正常、边界、缺失、冲突、越权、等价变异和压力场景。
• 失败结果要回溯到输入事实、模型规则、查询、Action或用例本身。
• 修复后执行全量回归，防止局部调整破坏既有业务逻辑。
• 测试集作为版本化资产，随业务规则和本体版本持续演进。

触发场景

用户会在什么情境下需要这个 Skill

1. 需要验收本体能否回答真实业务问题
2. 本体规则或版本变化后要做回归
3. 准备设计边界、异常和越权测试

语言信号

• “帮我设计本体测试用例”
• “怎么做黄金问题集”
• “这次本体变更会不会影响原结论”
• 英文信号：golden cases, ontology regression, test matrix

与相邻 Skill 的区分

• 与 ontology-model-multilayer-quality-gate：质量门审查模型本身；本 skill 用真实问题验证业务结果和推理路径。
• 与 ontology-ai-scenario-fit-and-spike：穿刺验证决定技术路线是否可行；黄金用例形成可持续回归资产。

执行步骤

按当前任务选择必要步骤；已有可靠成果直接复用：

1. 确定验收范围

   • 动作：列出核心意图、关键决策点、Action和不可接受错误。
   • 完成标准：每项与业务目标和风险等级对应。

2. 制作黄金用例

   • 动作：为正常、边界、异常、缺失、冲突和越权场景定义输入、期望路径、期望结果。
   • 完成标准：候选用例有明确的预期依据与样本状态；正式黄金基线需专家确认和稳定样本。

3. 扩展测试矩阵

   • 动作：基于黄金用例生成等价变异、组合、压力和回归用例。
   • 完成标准：矩阵覆盖对象、规则、权限、查询和行动维度。

4. 执行并回溯

   • 动作：记录实际输出、模型与映射版本、实例来源、规则路径和差异，把失败归因到数据需求、知识来源、语义、概念模型、逻辑模型、映射、查询、Action或用例。
   • 完成标准：每个失败项有唯一责任和修复建议。

5. 修复与回归

   • 动作：修复后重跑失败项及受影响的核心黄金用例；跨模块语义或公共规则变更时运行完整核心回归；更新版本记录。
   • 完成标准：阻断用例100%通过，一般用例达到约定阈值且无新增回归。

固定输出

• 验收范围与版本锁定表：场景、任务、本体、数据映射、规则、查询和 Action 版本
• 黄金用例登记表：用例编号、业务问题、输入实例、前置条件、预期证据、推理路径、结果、专家确认人和优先级
• 正常、边界、异常、缺失、冲突和权限用例矩阵
• 测试执行结果表：预期与实际结果、通过状态、证据、运行时间和执行环境
• 失败归因与修复清单：数据、语义、逻辑、映射、权限、Action 或用例问题及责任人
• 回归测试报告：重跑范围、新增缺陷、阻断通过率、一般用例通过率和剩余风险
• 业务验收结论与发布建议

使用边界

不要在以下情况使用

• 只有形式化语法错误，需要先走模型质量门
• 将缺少稳定业务预期或专家确认的用例直接声明为正式黄金基线；可先设计候选用例并标记待确认预期
• 用少量样本直接宣称全量生产效果

常见失败模式

• 把语法通过当成业务语义正确：形式合法性与业务正确性处于不同验证层，语法工具无法判断领域含义、规则完整性及行动后果。
• 用错误本体生成训练数据并放大偏差：同一语义缺陷被重复采样，训练优化把局部错误提升为模型的稳定决策倾向。
• 行动前无校验且失败后无反馈策略：计划层假设与真实系统状态没有校验，执行结果也未反馈给决策层重新规划。

使用折扣与复核要求

• 黄金用例容易固化已知经验，应持续补充线上新异常和反事实边界。
• 大模型生成形式结构无法直接证明业务语义正确，生产使用需保留专家确认、工具校验、真实用例和审计记录。

相关 Skills

• depends-on → ontology-model-multilayer-quality-gate；质量门审查模型本身；本 skill 用真实问题验证业务结果和推理路径。
• depends-on → data-to-ontology-mapping-and-instantiation；真实实例和映射版本属于用例输入。
• composes-with → ontology-ai-scenario-fit-and-spike；穿刺验证决定技术路线是否可行；黄金用例形成可持续回归资产。