five-ring-ontology-engineering-lifecycle git:20260831.f33ce1bA

Immutable. This exact content is served forever at /api/v1/blob/3c2acb298793c73e.

---
name: five-ring-ontology-engineering-lifecycle
description: |
  用于需要规划企业本体建设项目、已有模型原型但缺少上线和运营路径，用户出现“按五环规划实施”“本体项目需要哪些阶段和产出”或 ontology lifecycle, five-ring, production readiness 等信号时调用。不适用于仅需制作一次性概念演示。
metadata:
  tags: "ontology-engineering, lifecycle, implementation, platform, enterprise, enterprise-ai, ontology-driven"
  related-skills: "ontology-ai-scenario-fit-and-spike:depends-on, ontology-scenario-delivery:composes-with, ontology-model-multilayer-quality-gate:composes-with"
---

# 本体工程“五环联动”生命周期

## 方法骨架

- 用预处理、建模、入库、平台、实施五个环节规划本体全生命周期。
- 预处理把知识原料变成清晰、正确、完整、最简的输入。
- 建模将输入形式化，并经过模型、工具、专家和用例校验。
- 入库完成注册、版本、来源、权限和生产准入。
- 平台提供可视化、存储、检索、服务和运行监控能力。
- 实施把本体放进真实闭环，通过建用优复和双线运维持续演进。
- 场景交付链路作为五环内的施工顺序：场景与Agent定位、场景深描、数据准备、知识结构、语义模型、概念与逻辑模型、实例、验证、发布和运行。

## 触发场景

### 用户会在什么情境下需要这个 Skill

1. 需要规划企业本体建设项目
2. 已有模型原型但缺少上线和运营路径
3. 要明确本体团队、平台和业务实施的责任边界

### 语言信号

- “按五环规划实施”
- “本体项目需要哪些阶段和产出”
- “从知识采集到上线怎么走”
- 英文信号：ontology lifecycle, five-ring, production readiness

### 与相邻 Skill 的区分

- 与 `ontology-model-multilayer-quality-gate`：本 skill 规划全生命周期；多层质量门专注建模环节的质量准入。
- 与 `point-line-plane-ontology-scaling`：本 skill 管理工程环节；点线面管理业务范围的扩展顺序。

## 执行步骤

Skill 激活后按以下顺序执行：

1. **定义五环目标**
   - 动作：为预处理、建模、入库、平台、实施分别写清输入、输出、责任和质量门。
   - 完成标准：五环均有责任人、产出物和验收条件。

2. **评估当前成熟度**
   - 动作：盘点已有资料、模型、存储、工具、服务、场景和运营机制。
   - 完成标准：每一环标为可用、需补强或缺失，并附证据。

3. **安排最短闭环**
   - 动作：调用 `ontology-scenario-delivery`，围绕首个真实场景安排从Agent任务到模型、实例、验证和发布的必要能力。
   - 完成标准：任务依赖和先后顺序明确，未引入无场景支撑的平台能力。

4. **设置生产门**
   - 动作：在注册、发布和运行前检查版本、权限、测试、回滚、监控和责任。
   - 完成标准：所有阻断项关闭后才允许进入生产。

5. **建立双线运营**
   - 动作：分别监控源数据变化与语义模型变化，按建用优复处理反馈。
   - 完成标准：形成问题分流、变更评审、回归测试和复用台账。

### 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

- 仅需制作一次性概念演示
- 没有明确业务场景却先建设大而全平台
- 把五环当成固定采购清单，忽略现有能力

### 常见失败模式

- **用不成熟的AI能力自动治理AI**：AI输出从建议变成控制面配置，伪相关、错误因果和识别偏差被持续复用。
- **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。
- **本体静态交付后缺少版本和反馈运营**：业务变化与本体发布脱节，运行异常也无法回流建模端，旧版本继续影响Agent决策。
- **新本体与存量数据和系统形成新孤岛**：语义层与事实源、既有知识资产及执行系统没有稳定映射，模型无法随真实业务同步。

### 使用折扣与复核要求

- 通用方法未规定具体产品和组织规模，实施节奏需结合团队能力与存量架构。
- 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`。
- `composes-with` → `ontology-scenario-delivery`；五环负责项目生命周期，总控 Skill 负责单场景施工和交付物。
- `composes-with` → `ontology-model-multilayer-quality-gate`；本 skill 规划全生命周期；多层质量门专注建模环节的质量准入。

## 审计信息

- **历史验证**：v0.1.0 路由测试 6/6；v0.3.0 接入场景交付链路后需重新执行跨平台行为抽样
- **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。