point-line-plane-ontology-scaling git:20260906.e53cd23A

Immutable. This exact content is served forever at /api/v1/blob/ac05a937e812d5c7.

---
name: point-line-plane-ontology-scaling
description: |
  用于首个本体场景验证成功，准备扩大范围、多个局部本体开始重复或冲突，用户出现“怎么从点扩到线和面”“这个本体怎么复用到其他场景”或 point-line-plane, ontology scaling, federated ontology 等信号时调用。不适用于首个场景尚未形成价值闭环。
metadata:
  tags: "point-line-surface, iterative, scaling, domain-integration, federation, enterprise-ai, ontology-driven"
  related-skills: "ontology-ai-scenario-fit-and-spike:depends-on, five-ring-ontology-engineering-lifecycle:composes-with"
---

# 本体“点—线—面”扩展与复用

## 方法骨架

- 用点、线、面控制本体从单场景到企业级知识结构的扩展节奏。
- 点围绕一个高价值闭环，建立最小对象、规则、事实和Action。
- 线在同一领域内抽取公共概念，连接多个已验证场景和流程。
- 面识别跨领域交互点，通过共享顶层概念、映射和联邦查询实现协同。
- 扩展依据复用证据发生，保留领域自治，避免提前强行统一。
- 每一层都要有业务价值、质量基线和下一层准入条件。

## 触发场景

### 用户会在什么情境下需要这个 Skill

1. 首个本体场景验证成功，准备扩大范围
2. 多个局部本体开始重复或冲突
3. 需要规划领域本体和跨域语义协同

### 语言信号

- “怎么从点扩到线和面”
- “这个本体怎么复用到其他场景”
- “跨领域概念冲突怎么处理”
- 英文信号：point-line-plane, ontology scaling, federated ontology

### 与相邻 Skill 的区分

- 与 `ontology-ai-scenario-fit-and-spike`：场景适配与穿刺负责找到并验证第一个点；本 skill 负责成功后的扩展。
- 与 `five-ring-ontology-engineering-lifecycle`：五环描述工程生命周期；点线面描述业务范围和语义复用层级。

## 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. **确认点已成立**
   - 动作：检查单场景业务价值、语义质量、运行闭环和复用线索。
   - 完成标准：点的验收通过且剩余风险可控。
   - 判停条件：若点未通过，回到穿刺验证，禁止扩大。

2. **抽取领域公共层**
   - 动作：对多个已验证场景比较对象、术语、规则和Action，抽取稳定公共概念。
   - 完成标准：公共层有两处以上复用证据，场景差异保留在局部层。

3. **贯通领域线**
   - 动作：建立领域内公共层、场景层、实例层和动作层映射。
   - 完成标准：跨场景查询或流程能够沿统一语义运行并回归通过。

4. **识别跨域交互点**
   - 动作：只处理真实业务链路上的共享对象、事件、指标和权限冲突。
   - 完成标准：每个映射有来源、责任人和冲突处置。

5. **形成联邦面**
   - 动作：通过桥接本体、映射规则和联邦查询协同，保留领域版本和自治。
   - 完成标准：跨域用例通过，且没有强制覆盖领域有效语义。

## 固定输出

- 单点场景成立证据卡：业务价值、语义质量、运行闭环、验收结论、剩余风险和复用线索
- 场景语义复用比较表：场景、对象、术语、属性、关系、规则、指标、Action、一致项和差异项
- 领域公共语义资产清单：资产编号、定义、两处以上复用证据、主责方、使用场景、版本和状态
- 领域线映射表：公共层、场景层、实例层、动作层的引用、扩展、映射和回归关系
- 跨域协同需求表：需求编号、共享对象或事件、提供方、使用方、交付内容、映射或桥接方式、冲突、责任和状态
- 联邦面方案：顶层共享语义、领域自治边界、桥接本体、联邦查询、版本和权限机制
- 点—线—面扩展路线图与分层准入条件

公共资产只从已验证的稳定共性中抽取，场景差异和领域有效语义保留在自治层。

## 使用边界

### 不要在以下情况使用

- 首个场景尚未形成价值闭环
- 为了统一术语而统一，没有跨域任务支撑
- 试图一次性重构全企业数据和系统

### 常见失败模式

- **用全量模型重构适配企业业务**：企业知识被压入模型参数，适配成本从局部语义治理升级为模型训练、维护和全量数据治理。
- **为建设本体而建设本体博物馆**：项目目标从解决问题偏移到交付模型资产，缺少场景牵引、调用契约和量化验收。
- **强行统一跨领域概念与规则**：全局抽象覆盖局部上下文，领域差异被压平后又在推理和行动阶段重新爆发。
- **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。

### 使用折扣与复核要求

- 点线面没有给出固定组织结构，跨域权责和标准生效仍需企业治理机制确认。
- 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`；场景适配与穿刺负责找到并验证第一个点；本 skill 负责成功后的扩展。
- `composes-with` → `five-ring-ontology-engineering-lifecycle`；五环描述工程生命周期；点线面描述业务范围和语义复用层级。

## 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。