ontology-ai-scenario-fit-and-spike git:20260906.e53cd23A

Immutable. This exact content is served forever at /api/v1/blob/63654c0fa666fc30.

---
name: ontology-ai-scenario-fit-and-spike
description: |
  用于准备为一个企业AI场景选择本体技术路线、项目范围很大，需要确定首个小切口，用户出现“这个场景适合做本体吗”“先做哪个小切口”或 ontology fit, vertical slice, go/no-go 等信号时调用。不适用于纯信息查询或单表统计，现有查询能力即可满足。
metadata:
  tags: "scenario-selection, fit-assessment, semantic-complexity, compliance, exclusion, enterprise-ai, ontology-driven"
  related-skills: "scenario-agent-role-design:feeds-into, ontology-scenario-delivery:feeds-into"
---

# 本体增强 AI 场景适配与穿刺验证

## 方法骨架

- 先判断业务问题是否真的需要本体，再讨论建模和平台。
- 适配度由语义复杂度、规则明确度、跨域程度、合规追溯要求和行动闭环共同决定。
- 规则变化过快、目标高度模糊、价值很低或传统工具足够时，应停止本体路线。
- 通过适配检查后，只选一个可闭环的小任务，用真实样本完成端到端穿刺。
- 适配结论是场景快速扫描后的初判；智能体作用和完整场景梳理完成后需要再次确认本体范围。
- 穿刺分别回答数据能否接入、规则能否表达、推理能否核验、行动能否受控。
- 最终输出继续、调整或停止的决策及其证据，避免把技术演示当成业务价值。

## 触发场景

### 用户会在什么情境下需要这个 Skill

1. 准备为一个企业AI场景选择本体技术路线
2. 项目范围很大，需要确定首个小切口
3. 已有原型，准备判断是否值得扩大投入

### 语言信号

- “这个场景适合做本体吗”
- “先做哪个小切口”
- “怎么做穿刺验证”
- 英文信号：ontology fit, vertical slice, go/no-go

### 与相邻 Skill 的区分

- 与 `ontology-ai-application-pattern-selection`：本 skill 先回答要不要用本体；应用模式选择在适配通过后回答采用哪类业务形态。
- 与 `point-line-plane-ontology-scaling`：本 skill 设计首轮验证；点线面用于验证成功后的复用扩展。

## 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. **定义真实问题**
   - 动作：写清用户、当前损失、目标结果、决策责任和可接受风险。
   - 完成标准：形成一条可验证的问题陈述，并标出事实与假设。

2. **做适配筛选**
   - 动作：逐项评估语义冲突、规则清晰、跨域协同、合规追溯、专家经验沉淀和行动需求。
   - 完成标准：每项有证据、等级和缺口；同时检查三类排除条件。
   - 判停条件：若规则不可稳定表达、目标无法验收或传统工具成本显著更低，直接输出停止或改用轻方案。

3. **定义最小闭环**
   - 动作：把场景缩成一条从真实输入到受控结果的链路，限制对象、规则、系统和Action数量。
   - 完成标准：能画出输入—语义—推理—行动—反馈链，且责任人明确。

4. **设计穿刺**
   - 动作：选择5—10个真实样本，定义基线、成功指标、边界样本、人工接管和证据留存。
   - 完成标准：形成样本清单、预期结果、执行步骤和验收表。

5. **做决策门**
   - 动作：依据技术可行性、业务净收益、风险和复用潜力给出继续、调整或停止。
   - 完成标准：结论逐条引用穿刺证据，并说明下一阶段范围。

6. **交给智能体作用识别**
   - 动作：将适配通过或局部通过的场景交给 `scenario-agent-role-design`，识别Agent、确定性系统和人工的职责。
   - 完成标准：明确下一阶段需要验证的Agent候选任务，并约定在场景深描后复核本体范围。

## 固定输出

- 场景快速扫描卡：目标用户、问题、目标结果、当前方式、约束、事实和假设
- 本体适配度矩阵：语义、关系、规则、追溯、跨系统、动态性等维度的证据、等级和未知项
- 继续、局部继续或停止决策卡：结论、核心证据、投入条件、停止条件和复核时点
- 首个垂直切片设计：触发、对象、规则、所需数据、推理或查询、受控行动、结果和验收
- Agent 候选任务清单：任务、价值、输入输出、责任边界、优先级和待后续复核项
- 真实样本与穿刺测试表：样本范围、数据来源、权限、正常与异常用例、预期结果和通过标准
- 资料缺口、未决项、范围复核条件和下一阶段输入清单

## 使用边界

### 不要在以下情况使用

- 纯信息查询或单表统计，现有查询能力即可满足
- 规则和目标持续剧烈变化，建模速度无法跟上
- 缺少真实样本、责任人或可验收结果

### 常见失败模式

- **高时效动态场景硬套本体方案**：语义资产更新周期与业务半衰期失配，规则持续过期并带来重复验证成本。
- **为简单低价值任务引入本体工程**：新增语义层没有解决关键未知或决策复杂性，却持续产生建模、集成和维护成本。
- **未经穿刺验证就扩大建设范围**：技术可行性、业务价值和组织协同的未知项同时被延后，试错成本随范围线性或更快增长。
- **用缺少基线的案例效果支撑规模化结论**：描述性改善被替代为因果证据，场景差异、人工投入和选择偏差没有进入效果判断。

### 使用折扣与复核要求

- 既有案例效果缺少完整基线和对照组，实际项目必须重新定义测量口径。
- 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

- 本 Skill 是基础入口，没有前置依赖。
- `feeds-into` → `scenario-agent-role-design`；适配初判通过后识别智能体作用。
- `feeds-into` → `ontology-scenario-delivery`；全链路建设由总控 Skill 编排。

## 审计信息

- **历史验证**：v0.1.0 路由测试 6/6；v0.4.0 已通过输出契约结构校验，跨平台行为继续按版本抽样
- **首次公开版本**：2026-08-21
- **来源说明**：方法框架受《本体驱动的 AI 数据管理》启发；仓库不包含原书正文。