本体化思维（决策倒推建模）

要解决的具体问题

很多知识管理项目从“先理数据”开始：盘点系统表、画实体关系、补元数据，半年后才发现模型没人用。问题通常不在建模动作，而在顺序：没有先锁住一个真实、高频、有代价的决策，本体很容易变成大而全的数据字典或只读 BI。

技能如何工作

本技能采用逆向设计：先回答“这次要做什么决定”，再倒推对象、链接、动作，数据放到最后。Step 0 是劝退门，检查是否存在真实决策、量化代价，以及这是决策问题还是物理/工艺问题；任一不满足就停止。Step 1 用极小切口锁定决策，例如“断货预警后 4 小时内选择备选供应商”，而不是“优化供应链”。

Step 2 只定义 5–7 个对象类型，用业务日常词命名，保留决策依赖的属性，明确链接、动作、审批与写回；数据最后才接入。Step 3 做一票否决检查：不能触发动作、不能写回、不能捕获判断，就不是本体。Step 4 用业务人员可读性、历史回测、4 周闭环三信号验证；不通过时区分“范畴选错”和“前提变了”，连续两轮不过就重切切口。Step 5 讲解时走具体—半抽象—抽象三阶，并对信息化背景者打破“对象=表”的类比。机制上，AI 可起草对象草图与检验清单，人负责劝退门、边界和命名确认。

适用边界

它适合有明确决策痛点、需要跨对象推理和受治理写回的场景，不适合纯物理、工艺约束或功能安全建模。首版规模必须控制在最小集，否则容易承担不必要的符号主义技术债。若组织没有真实决策，或 LLM 已能可靠推断业务语义与权限边界，这套方法的必要性会下降。