---
name: scenario-related-semantic-modeling
description: |
  用于场景、数据需求和知识来源已经梳理，需要统一定义当前场景的术语、概念、业务对象、属性、分类、继承、关系、约束、规则、事件、状态、权限、动作、目标和评价，用户出现“建设场景相关的语义模型”“这些对象关系和约束怎么定义”或 scenario semantic model, business semantics 等信号时调用。不适用于只盘点知识来源或直接生成TTL文件。
metadata:
  tags: "scenario-semantics, business-object, terminology, relationship, constraint, rule, action, goal, enterprise-ai, ontology-driven"
  related-skills: "scenario-related-knowledge-structure:depends-on, twenty-nine-sentence-knowledge-extraction:depends-on, seven-plus-one-semantic-mapping:composes-with, ontology-conceptual-model-design:feeds-into"
---

# 场景相关的语义模型

## 方法骨架

- 把场景知识、数据和专家判断统一成可确认、可追溯、可形式化的业务语义。
- 数据语义定义对象、属性、标识、粒度、单位、编码、时间、状态、来源和质量；业务语义定义术语、分类、关系、约束、规则、事件、流程和例外；行动语义定义角色、权限、动作、输入输出、前置条件、结果和目标。
- “业务对象分类体系”按明确业务维度组织分类；“概念继承关系”只表达稳定的 `is-a` 关系。组成、组织、影响、依赖和状态流转分别建模。
- 场景目标、Agent 任务完成条件和业务效果评价进入语义模型；语法通过率等技术指标进入后续验证。
- 每个语义元素保留来源、证据、状态、责任和适用范围，候选内容与已确认内容隔离。

需要字段模板和关系判断时读取 [语义模型契约](references/semantic-model-contract.md)。

## 执行步骤

1. **统一术语与对象**
   - 动作：识别同义词、同名异义、上下文差异，定义概念、业务对象、属性、唯一标识和实例粒度。
   - 完成标准：每个核心对象有可判定定义、边界、示例和来源。

2. **定义分类与概念继承**
   - 动作：按业务维度建立分类方案，只在存在稳定泛化和继承价值时建立上下位概念。
   - 完成标准：分类维度、判断条件、继承属性和特有规则明确。

3. **定义关系与约束**
   - 动作：区分继承、组成、归属、影响、依赖、责任、来源和状态关系，补定义域、值域、数量、时间和一致性约束。
   - 完成标准：每条关系方向、适用条件、例外和证据明确。

4. **定义规则、事件和状态**
   - 动作：把触发条件、判断逻辑、优先级、例外、状态变化和结果整理成可测试语句。
   - 完成标准：模糊词已转为阈值、条件或人工裁决点。

5. **定义权限、动作与目标**
   - 动作：明确角色、授权、动作输入输出、前置条件、效果、失败处理，以及场景目标、任务完成条件和评价口径。
   - 完成标准：高风险动作有人工控制，目标可通过数据或有权角色验收。

6. **做完整性和追溯检查**
   - 动作：结合 29 类语句和 7+1 检查任务所需语义，建立来源到语义、语义到任务的映射。
   - 完成标准：缺项、冲突、待确认和阻断项明确，能够进入概念模型设计。

## 固定输出

- 业务术语表
- 概念、业务对象、属性、标识和粒度目录
- 单位、编码、时间、版本、状态和质量语义
- 业务对象分类方案与概念继承关系
- 对象关系和语义约束目录
- 规则、事件、流程、状态和例外目录
- 角色、权限、动作和执行条件目录
- 场景目标、Agent 任务完成条件和效果评价
- 来源—语义—任务追溯矩阵
- 语义冲突、缺口和确认状态

## 使用边界

- 场景知识结构负责来源和证据组织，本 Skill 负责正式语义定义。
- 来源系统、表、字段和接口在数据需求阶段定位；本 Skill 定义其业务含义和跨源统一口径。
- 简单代码枚举无需强行建立类层级，多分类维度可以并存。
- 项目包含任务、组织管理部门、状态前后变化等关系分别使用组成、管理和状态语义，不进入概念继承树。
- 逻辑本体文件、SHACL 和查询模板由后续逻辑模型 Skill 生成。

## 相关 Skills

- `depends-on` → `scenario-related-knowledge-structure` 和 `twenty-nine-sentence-knowledge-extraction`。
- `composes-with` → `seven-plus-one-semantic-mapping`；用于语义维度完整性检查。
- `feeds-into` → `ontology-conceptual-model-design`。

## 审计信息

- **首次公开版本**：2026-08-31
- **来源说明**：面向场景驱动的企业语义工程独立整理。