git:20260821.6e4393f to git:20260829.7b0e120
2 added, 13 removed. Audit A to A.
---
name: ontology-ai-application-pattern-selection
description: |
用于场景已确认适合本体，需要选择应用架构、问答、审核、协同、决策和PDCA方案混在一起，用户出现“这个场景属于哪种应用模式”“六类模式怎么选”或 application pattern, ontology AI patterns, workflow vs PDCA 等信号时调用。不适用于还没有证明场景需要本体。
metadata:
- tags:
- - application-patterns
- - workflow
- - autonomous-operations
- - decision
- - PDCA
- - enterprise-ai
- - ontology-driven
- related_skills:
- - slug: ontology-ai-scenario-fit-and-spike
- relation: depends-on
- - slug: risk-based-agent-action-modes
- relation: composes-with
+ tags: "application-patterns, workflow, autonomous-operations, decision, PDCA, enterprise-ai, ontology-driven"
+ related-skills: "ontology-ai-scenario-fit-and-spike:depends-on, risk-based-agent-action-modes:composes-with"
---
# 本体与 AI 六类应用模式选择
## 方法骨架
- 在本体路线已经通过适配验证后，从六类应用模式中选择业务形态。
- 流程自动化处理规则明确的动态流程，自主运营处理持续数据—规则闭环。
- 多维决策聚合多源事实和目标，跨领域协同连接多部门、多系统与多Agent。
- 知识解析聚焦单任务深度推理，多场景统筹用PDCA协调持续计划与执行。
- 选择依据包括痛点、闭环跨度、协作复杂度、约束强度和人机责任。
- 输出一个主模式、必要的组合模式及其所需本体和Agent能力。
## 触发场景
### 用户会在什么情境下需要这个 Skill
1. 场景已确认适合本体，需要选择应用架构
2. 问答、审核、协同、决策和PDCA方案混在一起
3. 需要明确单Agent、多Agent和流程编排形态
### 语言信号
- “这个场景属于哪种应用模式”
- “六类模式怎么选”
- “问答审核协同应该怎么组合”
- 英文信号：application pattern, ontology AI patterns, workflow vs PDCA
### 与相邻 Skill 的区分
- 与 `ontology-ai-scenario-fit-and-spike`：场景适配先判断本体路线是否成立；本 skill 只在通过后选择应用模式。
- 与 `risk-based-agent-action-modes`：本 skill 决定整体业务形态；行动模式决定其中具体动作的自动化与人工控制。
## 执行步骤
Skill 激活后按以下顺序执行：
1. **确认适配结论**
- 动作：读取场景适配与穿刺证据，确认本体必要性和业务目标。
- 完成标准：场景已通过继续决策，未通过则停止。
- 判停条件：适配未通过时返回场景评估。
2. **识别主痛点**
- 动作：判断主要矛盾属于流程、运营、决策、跨域协同、知识推理或持续统筹。
- 完成标准：主痛点只有一个，次要需求另列。
3. **匹配六类模式**
- 动作：比较闭环跨度、事实时效、规则清晰度、协作复杂度、Action和人工责任。
- 完成标准：选择一个主模式，并说明排除其他模式的原因。
4. **设计必要组合**
- 动作：仅在真实链路需要时加入辅助模式，定义模式间输入输出。
- 完成标准：组合关系有明确接口，没有为展示技术增加多Agent。
5. **输出能力清单**
- 动作：列出所需事实、事理、Action、Agent、系统、权限、反馈和验收。
- 完成标准：形成模式选择卡和最小实现边界。
### 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
- 还没有证明场景需要本体
- 纯信息问答可由普通检索满足
- 仅凭技术偏好选择多Agent或PDCA
### 常见失败模式
- **简单任务过度采用多Agent协同**：任务分解收益不足以抵消通信、路由、共享状态和冲突处理成本。
- **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。
- **对模糊创意和情感任务强制形式化**：形式化边界无法覆盖主观语境，固定分类和规则反而压缩生成空间并制造伪精确。
- **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。
### 使用折扣与复核要求
- 六类模式是归纳框架，复杂企业场景可能需要组合，但组合必须由业务链路证明。
- 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` → `ontology-ai-scenario-fit-and-spike`；场景适配先判断本体路线是否成立；本 skill 只在通过后选择应用模式。
- `composes-with` → `risk-based-agent-action-modes`；本 skill 决定整体业务形态；行动模式决定其中具体动作的自动化与人工控制。
## 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。