scenario-related-semantic-modeling

场景相关的语义模型

方法骨架

• 把场景知识、数据和专家判断统一成可确认、可追溯、可形式化的业务语义。
• 数据语义定义对象、属性、标识、粒度、单位、编码、时间、状态、来源和质量；业务语义定义术语、分类、关系、约束、规则、事件、流程和例外；行动语义定义角色、权限、动作、输入输出、前置条件、结果和目标。
• “业务对象分类体系”按明确业务维度组织分类；“概念继承关系”只表达稳定的 is-a 关系。组成、组织、影响、依赖和状态流转分别建模。
• 场景目标、Agent 任务完成条件和业务效果评价进入语义模型；语法通过率等技术指标进入后续验证。
• 每个语义元素保留来源、证据、状态、责任和适用范围，候选内容与已确认内容隔离。

需要字段模板和关系判断时读取 语义模型契约。

执行步骤

1. 统一术语与对象

   • 动作：识别同义词、同名异义、上下文差异，定义概念、业务对象、属性、唯一标识和实例粒度。
   • 完成标准：每个核心对象有可判定定义、边界、示例和来源。

2. 定义分类与概念继承

   • 动作：按业务维度建立分类方案，只在存在稳定泛化和继承价值时建立上下位概念。
   • 完成标准：分类维度、判断条件、继承属性和特有规则明确。

3. 定义关系与约束

   • 动作：区分继承、组成、归属、影响、依赖、责任、来源和状态关系，补定义域、值域、数量、时间和一致性约束。
   • 完成标准：每条关系方向、适用条件、例外和证据明确。

4. 定义规则、事件和状态

   • 动作：把触发条件、判断逻辑、优先级、例外、状态变化和结果整理成可测试语句。
   • 完成标准：模糊词已转为阈值、条件或人工裁决点。

5. 定义权限、动作与目标

   • 动作：明确角色、授权、动作输入输出、前置条件、效果、失败处理，以及场景目标、任务完成条件和评价口径。
   • 完成标准：高风险动作有人工控制，目标可通过数据或有权角色验收。

6. 做完整性和追溯检查

   • 动作：结合 29 类语句和 7+1 检查任务所需语义，建立来源到语义、语义到任务的映射。
   • 完成标准：缺项、冲突、待确认和阻断项明确，能够进入概念模型设计。

固定输出

完整场景语义模型按以下顺序交付；用户只要某类资产时，只输出该表及必要依赖。

• 业务术语表
• 业务对象清单：对象编号、定义、类型、标识、粒度、生命周期和公共资产关系
• 对象属性定义表：数据类型、单位、必填、基数、值域、编码和约束
• 分类与继承定义表：分类维度、判断条件、稳定 is-a 关系和继承要素
• 对象关系定义表：主对象、目标对象、关系类型、方向、基数、成立条件和例外
• 业务规则定义表：触发、条件、结论、优先级、冲突、例外和后续动作引用
• 事件与状态定义表：事件来源、参与方、输入输出、状态迁移和异常恢复
• 角色、权限与动作定义表：授权范围、前置条件、执行结果、风险、人工控制和失败处理
• 目标与指标定义表：目标层级、业务口径、计算或判断方式、基准、目标和阈值
• 来源—语义—任务追溯矩阵
• 语义冲突、缺口与确认状态表

每个关键条目保留唯一编号、所属场景和任务、来源证据、适用范围、状态、责任与确认角色、版本和下游链接。详细列模板见 场景语义模型契约。

使用边界

• 场景知识结构负责来源和证据组织，本 Skill 负责正式语义定义。
• 来源系统、表、字段和接口在数据需求阶段定位；本 Skill 定义其业务含义和跨源统一口径。
• 简单代码枚举无需强行建立类层级，多分类维度可以并存。
• 项目包含任务、组织管理部门、状态前后变化等关系分别使用组成、管理和状态语义，不进入概念继承树。
• 逻辑本体文件、SHACL 和查询模板由后续逻辑模型 Skill 生成。

相关 Skills

• depends-on → scenario-related-knowledge-structure 和 twenty-nine-sentence-knowledge-extraction。
• composes-with → seven-plus-one-semantic-mapping；用于语义维度完整性检查。
• feeds-into → ontology-conceptual-model-design。

审计信息

• 首次公开版本：2026-08-31
• 来源说明：面向场景驱动的企业语义工程独立整理。