git:20260821.6e4393f to git:20260829.7b0e120
2 added, 11 removed. Audit A to A.
---
name: twenty-nine-sentence-knowledge-extraction
description: |
用于要从制度和业务资料提取本体知识、专家说得很散，需要结构化访谈，用户出现“怎么访谈业务专家”“用29句话提取知识”或 knowledge elicitation, expert interview, 29 sentences 等信号时调用。不适用于资料来源不明且没有业务专家可确认。
metadata:
- tags:
- - knowledge-elicitation
- - interview
- - 29-sentences
- - business-expert
- - preprocessing
- - enterprise-ai
- - ontology-driven
- related_skills:
- - slug: seven-plus-one-semantic-mapping
- relation: depends-on
+ tags: "knowledge-elicitation, interview, 29-sentences, business-expert, preprocessing, enterprise-ai, ontology-driven"
+ related-skills: "seven-plus-one-semantic-mapping:depends-on"
---
# 用“29句话”提取业务知识
## 方法骨架
- 用一组固定问句把文档、数据和专家经验转成可建模的业务知识。
- 问题覆盖对象、属性、关系、分类、标识、规则、流程、查询、权限、Action和质量约束。
- 显性知识可从制度、流程、表结构和接口中抽取，隐性知识通过专家访谈补齐。
- 每个答案都要保留来源、适用范围、例外和确认人，避免把口头经验直接固化。
- 相近答案合并为统一术语，冲突答案进入待裁决清单。
- 输出应能直接交给7+1映射和本体建模质量门。
## 触发场景
### 用户会在什么情境下需要这个 Skill
1. 要从制度和业务资料提取本体知识
2. 专家说得很散，需要结构化访谈
3. 现有知识库只有文档，缺少规则、权限和行动语义
### 语言信号
- “怎么访谈业务专家”
- “用29句话提取知识”
- “把制度整理成本体输入”
- 英文信号：knowledge elicitation, expert interview, 29 sentences
### 与相邻 Skill 的区分
- 与 `seven-plus-one-semantic-mapping`：本 skill 负责采集和澄清自然语言知识；7+1负责将确认后的知识映射为语义构件。
- 与 `ontology-model-multilayer-quality-gate`：本 skill 检查输入知识是否齐备；多层质量门检查形式化模型是否正确。
## 执行步骤
Skill 激活后按以下顺序执行：
1. **盘点来源**
- 动作：列出制度、流程、表单、数据字典、接口、案例和专家，并标记权威级别与版本。
- 完成标准：每类知识有来源负责人和适用时间。
2. **按29类问题提取**
- 动作：依次追问对象与特征、关系与分类、规则与约束、流程与变化、查询与数据操作、权限与Action、背景与质量。
- 完成标准：每个相关问题都有答案、无答案原因或待确认责任人。
3. **追问隐性判断**
- 动作：用真实案例、反例、边界条件和历史异常追问专家实际怎样判断。
- 完成标准：模糊词被替换为阈值、条件、优先级或人工裁决点。
4. **统一与裁决**
- 动作：合并同义词，标出同物异名、同名异义、规则冲突和跨域差异。
- 完成标准：形成已确认词汇、冲突清单和待确认项。
5. **交付建模输入**
- 动作：按来源、语义类别、自然语言描述、例外、确认状态组织输出。
- 完成标准：输入满足清晰、正确、完整、最简四项要求。
### 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
- 资料来源不明且没有业务专家可确认
- 用户只需要普通会议纪要或文档摘要
- 已经存在经过验证的结构化语义模型，仅需运行时调用
### 常见失败模式
- **纯人工符号建模或纯神经生成走向单边极端**：单一技术范式无法同时覆盖语义抽象效率、业务约束、泛化能力和可解释性。
- **专家经验以模糊规则直接固化**：隐含前提在结构化过程中丢失，Agent把宽泛条件解释为确定触发器并直接行动。
### 使用折扣与复核要求
- 29类问句降低采集门槛，无法自动判断专家经验是否有效或仍然适用。
- 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` → `seven-plus-one-semantic-mapping`；本 skill 负责采集和澄清自然语言知识；7+1负责将确认后的知识映射为语义构件。
## 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。