---
name: intent-driven-minimal-ontology-loading
description: |
  用于Agent上下文过长或本体加载过多、同一问法可能对应不同业务意图，用户出现“只加载当前需要的本体”“这个意图该路由到哪个子本体”或 minimal ontology, intent routing, hybrid retrieval 等信号时调用。不适用于意图尚未澄清却直接静默路由。
metadata:
  tags:
    - minimal-ontology
    - hybrid-retrieval
    - graph
    - vector
    - progressive-disclosure
    - enterprise-ai
    - ontology-driven
  related_skills:
    - slug: fact-reason-action-business-loop
      relation: depends-on
---

# 意图驱动的最小本体检索与加载

## 方法骨架

- 根据当前用户意图只加载完成决策所需的最小本体、事实和工具。
- 先把目标拆成边界清晰、互不重叠、可独立执行的意图。
- 再将意图映射到子本体、事实时间窗、规则和Action能力。
- 规则清晰、低容错任务优先图查询；模糊表达可先向量召回再图精查。
- 加载范围随风险、上下文和任务进展渐进扩展，避免全量上下文冲突。
- 输出应记录意图、加载版本、检索依据和未加载原因。

## 触发场景

### 用户会在什么情境下需要这个 Skill

1. Agent上下文过长或本体加载过多
2. 同一问法可能对应不同业务意图
3. 需要设计子本体路由和图向量混合检索

### 语言信号

- “只加载当前需要的本体”
- “这个意图该路由到哪个子本体”
- “图检索和向量检索怎么组合”
- 英文信号：minimal ontology, intent routing, hybrid retrieval

### 与相邻 Skill 的区分

- 与 `ontology-constraint-and-knowledge-injection`：本 skill 决定取哪些知识；知识注入策略决定怎样把知识交给模型。
- 与 `fact-reason-goal-explainable-decision`：本 skill 负责运行时上下文选择；事实事理目标负责在上下文内完成决策。

## 执行步骤

Skill 激活后按以下顺序执行：

1. **解析意图**
   - 动作：提取对象、目标、时间、范围、风险和期望输出，识别歧义。
   - 完成标准：意图可执行且不与其他子意图重叠；歧义已澄清。

2. **建立路由**
   - 动作：映射到最小子本体、事实源、规则集、Action和版本。
   - 完成标准：每项资源都能说明与当前决策的必要关系。

3. **选择检索**
   - 动作：规则明确时图精查；表达模糊时向量召回后图校验；需要历史经验时补充记忆。
   - 完成标准：检索策略与风险、清晰度和时效相匹配。

4. **控制加载**
   - 动作：设置Token预算、时间窗、层级深度和渐进扩展条件。
   - 完成标准：上下文只包含必要知识，冲突和过期版本已排除。

5. **记录与校验**
   - 动作：输出意图、资源、版本、查询、证据和未加载项，运行关键约束检查。
   - 完成标准：相同输入可复现加载结果，高风险缺项触发人工介入。

### 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

- 意图尚未澄清却直接静默路由
- 任务需要全域审计或全局一致性检查
- 只在离线阶段设计知识资产分类

### 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。
- **一次性加载全量本体和超长上下文**：有限上下文被低相关知识占据，关键规则的有效权重下降，冲突信息增加概率性选择空间。
- **任务边界和本体粒度失配**：建模单元没有绑定具体Agent任务及评价标准，模型边界与执行边界无法对齐。

### 使用折扣与复核要求

- 最小加载可能漏掉未知关联，应为高风险任务设置扩展检索和人工复核。
- 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` → `fact-reason-action-business-loop`。

## 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。