ontology-scenario-delivery

场景驱动的本体建设交付

方法骨架

• 以一个可验证的业务场景为入口，先判断本体是否必要，再确定智能体在场景中的作用。
• 在正式建模前完成场景深描、数据需求与准备度判断，避免根据一段场景描述直接生成生产本体。
• 场景相关的知识结构负责知识来源、证据、责任和复用资产；场景相关的语义模型负责统一对象、术语、关系、约束、规则、状态、权限、动作和目标。
• 概念模型用于业务审查，逻辑本体用于机器处理，数据到本体的映射用于把已确认语义的数据生成类实例、属性值和关系实例。
• 全程维护“来源—知识条目—语义元素—模型元素—实例—测试—运行结果”的追溯链。
• 资料不足时生成候选成果和补充清单，状态保持为候选或受阻，不补造企业事实；候选交付可以完成，生产依赖另列。

路由方式

先读取 端到端建设链路。需要生成完整交付目录或检查缺失产物时，再读取 场景本体建设包。需要理解各阶段怎样连续交接时，可以读取 通用示例：进度变化与预算影响。

单阶段请求

用户只要求一个环节时，路由到对应专业 Skill，不强制执行整条链路。

模板目录与相关 Skills 按当前交付范围选用，可靠的上游成果直接复用；阶段缺口只阻塞依赖项。

全链路请求

用户希望从场景一路形成可交付本体时，本 Skill 负责阶段判断、专业 Skill 调用、产物索引、状态管理和追溯汇总。

执行步骤

1. 建立建设清单

   • 动作：记录场景、目标、材料、系统、样本、已有模型和期望交付，标记已确认、候选、缺失与受阻。
   • 完成标准：形成输入清单、当前成熟度和下一阶段判断。

2. 通过场景与智能体决策门

   • 动作：调用本体适配 Skill 初判路线，随后识别智能体任务、系统能力和人工责任。
   • 完成标准：明确本体支撑哪些智能体任务以及首个闭环范围。
   • 判停条件：场景可由简单查询、固定规则或普通工作流低成本完成时，输出轻量替代路线。

3. 完成建模前准备

   • 动作：补足影响当前交付的场景、数据与知识证据；复用已完成成果，允许交叉迭代。
   • 完成标准：每项关键判断都有所需数据、知识来源、责任人和缺口状态。

4. 建设语义与模型

   • 动作：先统一场景语义，再形成概念模型和逻辑本体；未经确认的语义保持候选状态。
   • 完成标准：智能体任务所需的对象、关系、约束、规则、权限、动作和完成条件均有模型表达。

5. 连接数据并验证

   • 动作：把已完成语义定义的数据映射到本体类、属性、关系和实例，随后执行技术验证和黄金用例。
   • 完成标准：交付包按可用样本完成模型及用例校验；合成样本明确标记，只证明覆盖的技术行为。真实业务验收单列结果或依赖。

6. 发布与回流

   • 动作：交付发布、服务、Agent 绑定、灰度和回滚方案；仅在用户要求实际部署且权限与生产条件满足时执行。
   • 完成标准：建设包包含适用的运行方案及准入缺口即可完成文档交付；实际部署任务另以生产版本、健康检查与可追溯反馈验证完成。

固定输出

• 建设清单与产物索引
• 当前阶段和准入结论
• 已完成产物、缺失产物与阻断项
• 场景本体建设包或可复制的分文件内容
• 端到端追溯矩阵
• 下一阶段调用顺序和完成标准

每个关键条目至少包含唯一编号、场景/任务、定义、来源、证据、状态、责任人、适用范围和版本。状态统一使用：候选、有证据、已确认、已验证、受阻、已废弃。

使用边界

• 只有场景描述时，可按用户要求生成候选语义、概念、逻辑模型与明确标注的合成示例，记录假设和资料缺口，不声称可生产发布。
• 真实系统表字段的定位在数据需求与准备度阶段完成；数据到本体映射阶段直接复用该成果。
• 模型语法通过只代表技术可解析，生产准入还需要业务专家和真实用例验证。
• 高风险动作需要权限、前置条件、人工授权、失败处理和审计记录。

相关 Skills

• depends-on → ontology-ai-scenario-fit-and-spike。
• orchestrates → 八个施工型 Skill；具体顺序和返回条件见端到端建设链路。
• 模型完成后组合 ontology-model-multilayer-quality-gate、ontology-golden-case-testing 和 ontology-runtime-service-and-version-operations。