企业业务本体构建 —— 把概念、黑话、规则、权限整理成 AI 能读懂的『业务说明书』

概述

企业本体构建 Skill

一句话：把企业散落在文档和员工脑子里的业务概念、行业黑话、规则和权限，整理成一份智能体（AI Agent）能真正读懂的"业务说明书"。

你完成这个 Skill 后能获得什么

核心模型：五层本体

本体 = 对一个业务领域"共享概念体系"的显式规范。五层逐层深化，不要跳层：

关键认识：本体是"蓝图"，知识图谱是"填了数据的蓝图"。只有本体没有数据，智能体无从查证；只有数据没有本体，智能体看不懂关系。L4 就是让本体真正被智能体用起来的那一层。

跨行业通用

本 Skill 是行业无关的方法论：先建"通用底座"（组织/项目/客户/合同/财务——任何行业都有的骨架），再按行业种子补特有概念。已覆盖行业框架：

示例项目是演示，不是限定：[examples/manufacturing/](examples/manufacturing/) 只示范"每一步怎么做"；换行业时对照 [templates/industry-seeds.md](templates/industry-seeds.md) 替换概念即可，方法完全一致。

六步工作流

从"定范围"开始，到"接智能体"收尾，每一步都有明确输出和验收标准。

0 定范围 ──> 1 建术语 ──> 2 连关系 ──> 3 立规则 ──> 4 定权限 ──> 5 接智能体
(能力问题)   (L0+黑话)    (L1)        (L2)        (L3)        (L4→质量门)

第 0 步 · 定范围（最重要，别跳过）

大多数本体失败是范围失败，不是建模失败。 一次只做一个业务域，用 5-10 条"能力问题"框住边界。

• 选一个具体业务域（如"销售回款"、"售后工单"，而不是"整个公司"）
• 与业务负责人确认：这个域要为哪些智能体/场景服务？智能体将来要回答哪些问题？
• 把这些问题写成能力问题（Competency Questions），格式见 templates/competency-questions.md
• 示例：能力问题 Q1："这个客户当前处于销售流程的哪个阶段？" Q2："哪些项目允许提前动工？"

能力问题是整个本体的验收标准——本体建完后，用它们逐一测试通过率（质量门要求 ≥80%）。

第 1 步 · 建术语（L0 + 黑话消歧）

• 收集该领域所有"重要名词"，为每个概念给出无歧义定义（ISO 704 风格：用"属+种差"表述，定义里不能出现被定义词本身）
• 黑话消歧是这一步的关键，也是很多企业"AI 不懂业务"的根源：
  • 同义词/别名：如"MO" = "工单"（preferredTerm + 别名表）
  • 缩写：如"BC" = "商务中心"
  • 易混概念：如"合同" vs "订单" vs "协议"，给出区分标准
  • 多义词：同一个词在不同部门含义不同 → 标注语境标签
• 方法：模式A（从文档抽取）或 模式B（引导访谈），详见 references/knowledge-extraction.md

第 2 步 · 连关系（L1）

• 为每个概念补全属性（数据类型/引用类型）
• 画出概念间关系，标注方向（A 包含 B / A 产生 B / A 审核 B）
• 用 mermaid ER 图可视化，控制层级 2-4 层，避免直接循环依赖

第 3 步 · 立规则（L2）

• 从决策记录、经验判断中提炼 IF-THEN 规则（含例外与责任角色）
• 权限相关规则留到第 4 步统一处理

第 4 步 · 定权限（L3）

• 明确三类对象：主体（人/角色/智能体）、资源（概念/属性/文档/工具）、动作（读/写/执行）
• 给敏感概念打密级标签（公开 / 内部 / 机密 / 敏感个人数据）
• 用 RBAC（按角色）+ ABAC（按属性，如密级、部门）+ 关系型（按组织归属）组合表达"谁能看什么"
• 智能体权限单独建模：智能体有身份、有授权范围，只能访问权限内的概念
• 方法见 references/permission-model.md

第 5 步 · 接智能体（L4）→ 质量门

• 生成至少一种"智能体可消费"的产物：上下文包 / RAG 索引 / MCP 工具描述 / JSON-LD
• 把黑话消歧表嵌入检索层或提示词，消除"最后一步"错误
• 跑一遍质量门（见下），通过后交付
• 方法见 references/agent-integration.md

两种启动模式

• 模式A · 已有资料导入：企业有合同/手册/制度/流程文档 → 收集到 input/ 走抽取流程（效率高）
• 模式B · 从零结构化访谈：无现成文档或文档严重过时 → 按 templates/interview-scripts.md 逐层引导

判断问句：有（可用的）文档吗？→ 有走 A；没有或文档明显过时走 B。混合场景可 A 打底、B 补盲区。

输出文件结构

<project>/ontology/
├── index.md             # 汇总入口 + 本体说明 + 版本
├── glossary.md          # L0 术语表（含同义词/易混辨析）
├── concepts.md          # L1 概念关系图（mermaid ER）
├── rules.md             # L2 业务规则
├── permissions.md       # L3 权限模型
├── agent/               # L4 智能体对接产物
│   ├── context-pack.md  #   上下文包（供提示词注入）
│   ├── rag-index.json   #   RAG/图谱检索用扁平化索引
│   └── mcp-tools.md     #   MCP 工具描述（可选）
└── schema/
    ├── entities.json    # 实体定义（JSON Schema）
    └── relations.json   # 关系定义

质量门（交付前自检）

• [ ] 能力问题通过率 ≥80%（核心验收项）
• [ ] 每个概念有且只有一个无歧义定义；无循环定义
• [ ] 关系链无直接循环依赖；层级 2-4 层
• [ ] 术语表 ≥20 个核心概念；黑话/同义词已消歧
• [ ] 业务规则 ≥5 条 IF-THEN（含例外与责任角色）
• [ ] 敏感概念均已打密级标签，权限模型覆盖
• [ ] JSON Schema 与 Markdown 术语表一致（无漂移）
• [ ] 至少交付一种智能体可消费产物（上下文包/RAG/MCP）

典型触发场景

• "帮我梳理一下[行业/部门]的业务逻辑"
• "我们要建一个[业务域]的 AI 知识库 / 内部智能体"
• "怎么让 AI 理解我们的业务流程和黑话"
• "给[公司/部门]建企业本体 / 知识图谱 / 业务说明书"
• "这几个岗位怎么配合、中间的规则是什么"
• "我们的数据哪些能给智能体用、哪些不能"
• "要上一个 AI 助手，先帮我们把业务语义理清楚"

参考文件

安装（ClawHub）

从 ClawHub 安装（推荐）：

npx clawhub@latest install enterprise-ontology

手动安装：将本目录重命名为 enterprise-ontology 放入技能扫描路径即可。