seven-plus-one-semantic-mapping

用“7+1”规范映射业务语义

方法骨架

• 把确认后的业务知识映射为七类语义能力和一类目标评估。
• 七类覆盖资源与关系、类层级与约束、统一术语、业务规则、流程服务、权限策略、查询与数据操作。
• 附加的一类把Agent任务目标、效果指标、判定依据和质量标准写清。
• 映射时同时保留自然语言、形式表达、来源、版本和责任人。
• 任何缺失项都要显式标记，尤其是权限、Action前置条件和评估规则。
• 结果是一张可审查、可测试、可进入运行时的语义映射表。

需要完整维度、工程产物和技术选择时读取 7+1 语义维度。

触发场景

用户会在什么情境下需要这个 Skill

1. 需要把业务描述映射为本体语义
2. 要检查Agent知识、规则、权限和动作是否完整
3. 准备从自然语言规则生成RDF/OWL等模型

语言信号

• “按7+1映射一下”
• “这个场景缺哪些语义”
• “把业务规则转成机器可理解结构”
• 英文信号：7+1 semantic mapping, ontology schema, action semantics

与相邻 Skill 的区分

• 与 twenty-nine-sentence-knowledge-extraction：29句话负责提取自然语言知识；本 skill 负责分类映射和完整性检查。
• 与 fact-reason-action-business-loop：事实事理行动提供三层业务骨架；7+1细化到标准、权限、查询和目标评估。

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. 确认输入

   • 动作：只接收已标注来源、适用范围和确认状态的知识条目。
   • 完成标准：未确认内容单列，不进入生产映射。

2. 映射七类语义

   • 动作：分别填写资源关系、层级约束、术语、规则、流程服务、权限、查询与数据操作。
   • 完成标准：每条业务知识有唯一主类别，跨类别引用清晰。

3. 补目标与评估

   • 动作：定义场景业务目标、Agent任务目标、动作结果、完成条件、评价口径和责任主体。
   • 完成标准：目标能够通过数据或有权角色验收。

4. 检查闭环

   • 动作：沿事实输入、规则推理、权限判断、Action执行、结果反馈逐段检查缺项。
   • 完成标准：缺项、冲突和高风险项形成问题清单。
   • 判停条件：若权限或行动前置条件缺失，停止进入生产建模。

5. 输出映射表

   • 动作：保留自然语言、语义类别、形式化建议、来源、版本、确认人和测试问题。
   • 完成标准：映射表可被建模工程师与业务专家共同复核。

固定输出

• 输入知识准入表：知识编号、来源、证据、适用范围、确认状态、责任人和版本
• 7+1 语义映射表：条目编号、业务表达、语义主类别、跨类引用、形式化建议、来源、版本、责任与确认状态
• 资源关系、层级约束、统一术语、业务规则、流程服务、权限策略、查询数据操作和目标评价完整性矩阵
• 事实输入—规则推理—权限判断—Action 执行—结果反馈闭环检查表
• Agent 任务—语义条目—测试问题追溯表
• 术语、规则、权限、Action、目标与评价缺口清单
• 冲突、待确认项、生产阻断项与下一步清单

使用边界

不要在以下情况使用

• 输入知识仍处于自由讨论、没有来源和责任人
• 只做概念科普，无需机器推理或行动
• 简单字段映射能够满足需求

常见失败模式

• 约束和权限落入过紧或过松两端：场景风险与控制策略未建立映射，Agent无法判断何时自主、何时申请授权、何时停止。
• 数据集混用且缺少责任和来源治理：数据上下文和授权边界被抹平，错误、泄露或效果变化出现时无法定位责任和输入来源。
• 目标模糊且行动原语契约残缺：Agent缺少可计算的成功条件及行动前后状态模型，只能猜测参数、条件和执行结果。
• 专家经验以模糊规则直接固化：隐含前提在结构化过程中丢失，Agent把宽泛条件解释为确定触发器并直接行动。

使用折扣与复核要求

• W3C语法与业务正确性属于不同质量维度，规范映射完成后仍需专家和用例验证。
• 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 → twenty-nine-sentence-knowledge-extraction；先形成有来源的建模语句。
• composes-with → scenario-related-semantic-modeling 与 fact-reason-action-business-loop；7+1用于完整性检查和形式化建议。