ontology-ai-scenario-fit-and-spike git:20260829.7b0e120A

Immutable. This exact content is served forever at /api/v1/blob/afb1e131353a7c2f.

---
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: ""
---

# 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。
- 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

Skill 激活后按以下顺序执行：

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。

### 固定输出

最终结果至少包含：输入与假设、逐步判断、证据与来源、未决项、风险边界、建议动作、完成标准。涉及项目适配时，将方法假设与项目事实分栏表达。

## 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。

## 审计信息

- **验证通过**：V1 ✓ / V2 ✓ / V3 ✓
- **测试通过率**：100%（6/6，独立 sub-agent 盲测；详见 test-results.md）
- **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。