Ontology-Driven AI Data Management Skills

面向企业本体工程、AI 数据治理与 Agent 行动闭环的 25 个可复用 Skill，同时支持 Codex、Claude Code 和 WorkBuddy。

这套 Skill 受《本体驱动的 AI 数据管理》启发，将场景选择、智能体作用识别、场景深描、数据准备、知识结构、语义建模、逻辑本体、实例映射、质量验证、行动控制和运行治理整理成可执行工作流。仓库只收录独立编写的 Skill 指令、测试材料和维护脚本，不包含原书 PDF、页面图片、逐字引文及案例正文。详细边界见 NOTICE。

v0.4.1 更新（2026-09-06）

• 按用户目标裁剪阶段和交付物，复用已有输入，减少重复确认与无关流程。
• 允许在假设隔离下形成候选概念、逻辑模型和实例示例，专家确认约束正式生效与生产准入。
• 技术检查与业务用例迭代执行；候选建设包可通过模型、适用校验和运行方案完成交付。
• 独立审核能力缺失时如实记录限制，继续可完成的检查；不把当前模型自检描述为独立审核。
• 保留业务授权、生产质量门和真实数据验证边界。核心 Skill 数量与三平台分发格式不变。

场景驱动的建设链路

用户可以从一个业务场景开始，使用总控 Skill 生成完整建设包：

本体适用性初判
→ 智能体作用与任务识别
→ 场景完整梳理
→ 业务/财务/IT 数据需求与准备度
→ 场景相关的知识结构
→ 场景相关的语义模型
→ 概念模型
→ 逻辑本体模型
→ 数据到本体类、属性、关系和实例的映射
→ 技术验证与业务验收
→ 资产发布、运行服务和反馈演进

统一入口是 ontology-scenario-delivery。只有场景描述时，也可以按请求生成隔离假设的候选模型和合成示例，并说明资料缺口。正式业务验收与生产发布仍需真实样本、专家确认和相应授权。

其中几个容易混淆的边界已经明确拆开：

• 场景相关的知识结构：组织知识来源、证据、责任、案例、专家和可复用资产。
• 场景相关的语义模型：正式定义术语、对象、属性、分类、继承、关系、约束、规则、状态、权限、动作和目标。
• 数据需求与准备度：确定业务、财务、IT 数据需要什么，以及真实系统、表、字段和接口在哪里。
• 数据到本体映射：把已确认语义的数据对应到本体类、属性、关系和实例。

统一输出物契约

25 个 Skill 都明确声明固定交付物，不再只给出泛化的“判断、建议、下一步”。步骤与成果按当前任务范围选用，复用已有可靠输入；完整场景建设由 ontology-scenario-delivery 组装为可追溯建设包。

核心语义成果统一拆分为：

业务术语
→ 业务对象
→ 对象属性
→ 分类与继承
→ 对象关系
→ 业务规则
→ 事件与状态
→ 角色、权限与动作
→ 目标与指标
→ 追溯、冲突与确认状态

对象、属性、关系和规则使用稳定编号串联。每个关键条目保留所属场景与任务、来源证据、适用范围、状态、责任与确认角色、版本和下游链接。资料不足时保留候选、待确认或受阻状态，不为凑目录生成空成果。

• 完整建设包目录：deliverable-package.md
• 语义表格字段契约：semantic-model-contract.md

平台支持

三端共用 skills/ 下的核心 SKILL.md。构建时会按平台生成运行包：

• Codex 包保留 agents/openai.yaml，用于界面名称、简介和默认提示词。
• Claude Code 包使用开放 Agent Skills 结构，排除 Codex 专属元数据。
• WorkBuddy 包将每个 Skill 单独打包，压缩包根目录直接包含 SKILL.md。
• test-prompts.json 和 test-results.md 留在源码仓库中，运行包不携带测试材料。

快速下载

进入 GitHub Releases 下载对应平台文件：

把三个平台主包和 SHA256SUMS.txt 下载到同一目录后，可执行：

shasum -a 256 -c SHA256SUMS.txt

也可以克隆仓库后直接安装：

git clone https://github.com/SuperChason/ontology-driven-ai-data-management-skills.git
cd ontology-driven-ai-data-management-skills

Codex

安装

安装到当前用户，所有项目都可以使用：

./scripts/install.sh codex

默认目标目录为 ~/.codex/skills。

安装到当前项目，方便跟随项目版本管理：

./scripts/install.sh codex --target "$PWD/.agents/skills"

只安装一个 Skill：

./scripts/install.sh codex --skill ontology-ai-scenario-fit-and-spike

已有同名 Skill 时，安装脚本会保留现有版本并显示 Skipped。确认采用仓库版本后增加 --force。

使用

完整场景交付：

$ontology-scenario-delivery

请根据下面的业务场景和资料，判断当前成熟度，并从本体适配、智能体任务、数据需求、知识结构和语义模型一直输出到模型、实例、验证与发布所需的建设包。

单阶段显式调用：

$ontology-ai-scenario-fit-and-spike

帮我判断“工程进度变化影响预算”是否适合采用本体增强 AI。
请输出场景适配度、数据条件、首个穿刺场景、继续或停止标准，以及待确认问题。

自动匹配：

帮我判断这个企业 AI 场景是否适合采用本体，并设计一个最小穿刺验证。

Codex 会根据每个 Skill 的 description 选择相关工作流。完整建设优先调用总控 Skill；单阶段问题直接调用对应专业 Skill。

更新

使用 Git 克隆安装时：

git pull --ff-only
python3 scripts/validate_skills.py
./scripts/install.sh codex --force

只更新一个 Skill：

git pull --ff-only
./scripts/install.sh codex --skill ontology-ai-scenario-fit-and-spike --force

使用 Release ZIP 安装时，下载新版本、解压到新目录，再运行其中的安装脚本：

./scripts/install.sh codex --force

更新后新建一个 Codex 任务，使用一个正向问题和一个无关问题检查触发边界。

验证与回滚

验证完整建设入口：

$ontology-scenario-delivery

我只有一个场景描述，请判断当前能产出什么，并列出继续建设所需资料。不要把候选内容写成已确认事实。

如果新版路由或输出不符合预期，打开保留的上一版本 Release 解压目录，重新执行：

./scripts/install.sh codex --force

回滚后新建任务再次验证。个人目录和项目目录同时安装了同名 Skill 时，应先确认当前项目实际加载的是哪一份。

Claude Code

安装

安装到当前用户：

./scripts/install.sh claude-code

默认目标目录为 ~/.claude/skills。

安装到当前项目：

./scripts/install.sh claude-code --target "$PWD/.claude/skills"

只安装一个 Skill：

./scripts/install.sh claude-code --skill fact-reason-action-business-loop

使用

完整场景交付：

/ontology-scenario-delivery

根据下面的场景、资料和数据条件生成本体建设包，并列出每一阶段的完成状态和缺口。

单阶段调用示例：

/fact-reason-action-business-loop

请把这段业务描述拆成事实、事理、行动和反馈闭环。

自动匹配：

这个业务判断依据和后续系统动作混在一起了，帮我整理成可追溯闭环。

Claude Code 通过 name 和 description 发现 Skill。安装完成后可以输入 / 查看已加载的自定义 Skill；部分版本会实时发现新增文件，未出现时重新启动 Claude Code。

更新

使用 Git 克隆安装时：

git pull --ff-only
python3 scripts/validate_skills.py
./scripts/install.sh claude-code --force

使用 Release ZIP 安装时，下载并解压新版本，然后执行：

./scripts/install.sh claude-code --force

更新后输入 / 检查 Skill 名称，再用 test-prompts.json 中的一条 should_trigger 和一条 should_not_trigger 用例做抽样。

验证与回滚

先检查 /ontology-scenario-delivery 能否发现，再分别测试完整场景请求和单阶段数据需求请求，确认它们路由到不同 Skill。

需要回滚时，保留当前工作目录，进入上一版本 Release 的解压目录并执行：

./scripts/install.sh claude-code --force

重新启动 Claude Code 后再次检查 Skill 列表和抽样问题。

WorkBuddy

获取上传包

推荐从 GitHub Releases 下载：

ontology-skills-workbuddy-vX.Y.Z.zip

解压后结构如下：

ontology-skills-workbuddy-vX.Y.Z/
├── README.md
├── LICENSE
├── NOTICE
├── VERSION
├── SHA256SUMS.txt
└── skills/
    ├── action-contract-execution-feedback-loop-vX.Y.Z.zip
    ├── ...
    └── twenty-nine-sentence-knowledge-extraction-vX.Y.Z.zip

skills/ 里的 25 个 ZIP 是 WorkBuddy 直接上传的 Skill 包。可以按实际需要选择；要执行完整建设链路，至少先上传总控 Skill，再按其路由提示上传所需专业 Skill。

进入解压后的合集目录，可以复验 25 个单 Skill 包：

shasum -a 256 -c SHA256SUMS.txt

安装

1. 打开 WorkBuddy。
2. 进入左侧的“专家·技能·连接器”区域。
3. 选择添加技能或上传本地技能包。
4. 从解压后的 skills/ 中选择一个 Skill ZIP。
5. 查看名称、说明和权限范围，确认后安装并启用。
6. 重复上述步骤，添加当前工作需要的其他 Skill。

每个上传包的根目录都直接包含 SKILL.md，并附带 LICENSE、NOTICE 和 VERSION。

使用

直接描述任务，WorkBuddy 会根据 Skill 描述自动匹配：

帮我判断这个场景是否适合做本体，并给出最小验证切口和停止条件。

需要明确指定时，在任务中写出完整 Skill 名称：

请使用 ontology-ai-scenario-fit-and-spike 分析下面的场景材料。

完整建设可以这样调用：

请使用 ontology-scenario-delivery，根据下面的场景和资料生成完整本体建设包。资料不足的部分保留候选或受阻状态，并列出下一步。

更新

1. 在 Releases 页面确认新版本号并下载新的 WorkBuddy 合集。
2. 保留上一版本 ZIP，作为出现问题时的回退包。
3. 解压新合集，找到需要更新的 Skill ZIP。
4. 在 WorkBuddy 技能管理中停用旧版本。
5. 上传新版同名 Skill；如果当前客户端不允许同名覆盖，先移除旧版本再上传。
6. 启用新版，用一条正向问题、一条相邻 Skill 问题和一条无关问题做抽样。
7. 抽样通过后再处理其余 Skill。

验证与回滚

验证时至少覆盖：

1. 完整建设请求能够匹配 ontology-scenario-delivery；
2. “业务财务IT数据需要什么”匹配 scenario-data-requirements-readiness；
3. “数据怎样对应本体类和属性”匹配 data-to-ontology-mapping-and-instantiation；
4. 普通术语问答不会误触完整建设链路。

需要回滚时，停用新版同名 Skill，重新上传并启用保留的上一版本单 Skill ZIP。回滚总控 Skill 时，应同时检查它依赖的施工型 Skill 版本是否兼容。

Skill 导航

完整场景交付

场景规划与规模化落地

知识、语义与模型施工

质量验证

Agent 推理、知识注入与行动闭环

数据资产与运行治理

推荐组合

从一个场景到完整交付

ontology-scenario-delivery
→ ontology-ai-scenario-fit-and-spike
→ scenario-agent-role-design
→ business-scenario-deep-analysis
→ scenario-data-requirements-readiness
→ scenario-related-knowledge-structure
→ twenty-nine-sentence-knowledge-extraction
→ scenario-related-semantic-modeling
→ ontology-conceptual-model-design
→ ontology-logical-model-generation
→ data-to-ontology-mapping-and-instantiation
→ ontology-model-multilayer-quality-gate
→ ontology-golden-case-testing
→ ontology-runtime-service-and-version-operations

从场景到首个验证切口

ontology-ai-scenario-fit-and-spike
→ scenario-agent-role-design
→ business-scenario-deep-analysis
→ ontology-ai-application-pattern-selection

从场景材料到可验收本体

scenario-related-knowledge-structure
→ twenty-nine-sentence-knowledge-extraction
→ scenario-related-semantic-modeling
→ ontology-conceptual-model-design
→ ontology-logical-model-generation
→ data-to-ontology-mapping-and-instantiation
→ ontology-model-multilayer-quality-gate
→ ontology-golden-case-testing

从自然语言知识到语义完整性检查

twenty-nine-sentence-knowledge-extraction
→ fact-reason-action-business-loop
→ seven-plus-one-semantic-mapping

从 Agent 判断到受控执行

intent-driven-minimal-ontology-loading
→ fact-reason-goal-explainable-decision
→ risk-based-agent-action-modes
→ action-contract-execution-feedback-loop

从试点到生产运营

five-ring-ontology-engineering-lifecycle
→ point-line-plane-ontology-scaling
→ ai-training-inference-data-asset-governance
→ ontology-runtime-service-and-version-operations

仓库结构

.
├── skills/                         # 25 个 Skill 的唯一核心源
│   └── <skill-name>/
│       ├── SKILL.md                # 三端共用
│       ├── agents/openai.yaml      # Codex 专属界面元数据
│       ├── references/             # 按需加载的详细契约与模板，可选
│       ├── test-prompts.json       # 触发与路由测试
│       └── test-results.md         # 当前测试记录
├── scripts/
│   ├── install.sh                  # Codex、Claude Code 安装与更新
│   ├── validate_skills.py          # 核心源校验
│   ├── build_packages.py           # 三端打包
│   └── validate_packages.py        # 分发包校验
├── .github/workflows/
│   ├── validate.yml                # 推送和 PR 自动校验
│   └── release.yml                 # 标签触发 GitHub Release
└── VERSION                          # 当前发布版本

本地构建和验证

执行完整验证：

python3 scripts/validate_skills.py
python3 scripts/build_packages.py
python3 scripts/validate_packages.py

validate_skills.py 同时检查每个 Skill 是否只有一个二级“固定输出”章节、是否列出至少 3 项明确成果，以及所引用的详细契约是否真实存在。

成功后 dist/ 中会生成：

dist/
├── ontology-skills-codex-vX.Y.Z.zip
├── ontology-skills-claude-code-vX.Y.Z.zip
├── ontology-skills-workbuddy-vX.Y.Z.zip
├── SHA256SUMS.txt                 # 三份平台主包
└── workbuddy/skills/
    └── <25 个单 Skill ZIP>

dist/ 是构建产物，不提交到 Git。推送代码后，GitHub Actions 会保留一份短期构建产物；推送与 VERSION 一致的 vX.Y.Z 标签后，Release 工作流会创建正式下载版本。

维护和发布

修改 Skill 时：

1. 只编辑 skills/<skill-name>/ 下的核心源。
2. 修改触发条件时，同步更新 test-prompts.json 和 test-results.md。
3. 运行三条本地构建与验证命令。
4. 检查 git diff --check 和实际变更范围。
5. 更新 VERSION。
6. 合并并推送主分支。
7. 创建与版本一致的 Git 标签，触发三端 Release。

发布后分别抽样：

• Codex：检查 $skill-name 显式调用和自动匹配。
• Claude Code：检查 /skill-name、自动匹配和 Skill 列表。
• WorkBuddy：上传一个新版 ZIP，检查启用、自动匹配和相邻 Skill 路由。

结构校验可以发现打包错误，仍需保留平台运行抽样。平台升级、权限模型变化或模型切换后，重新执行抽样。

质量检查

每个 Skill 都包含：

• SKILL.md：触发边界、执行步骤、固定输出和失败模式。
• agents/openai.yaml：Codex 展示名称、简介和默认提示词。
• test-prompts.json：正向、反向和边界触发测试。
• test-results.md：当前测试记录。

v0.4.0 已完成 25 个 Skill 的结构、引用、固定输出契约、测试版本和三端分发包校验。旧 16 个 Skill 的独立路由盲测保留为历史记录；当前 25 Skill 路由环境继续在 Codex、Claude Code、WorkBuddy 中按版本做行为抽样，测试文件会明确标记这一状态。

校验脚本会检查：

• 25 个 Skill 是否齐全。
• name、description 和字符串型 metadata 是否符合开放规范。
• 相邻 Skill 引用是否存在。
• 每个 Skill 是否只有一个二级“固定输出”章节，并列出至少 3 项明确交付物。
• SKILL.md 中引用的本地模板是否存在，测试文件版本是否与仓库版本一致。
• 公共仓库内容是否包含客户项目、个人路径或原书摘录。
• 三端包是否只携带各自需要的运行文件。
• WorkBuddy ZIP 的根目录是否包含 SKILL.md。
• 三份发布主包及 WorkBuddy 内层 Skill 包的 SHA-256 是否一致。

贡献

欢迎提交 Issue 和 Pull Request。新增或修改 Skill 时，请同步维护触发测试，并遵守 CONTRIBUTING.md 中的来源与隐私要求。

License

仓库原创代码与文本采用 MIT License。原书内容及相关权利归原作者和出版方所有，MIT License 不扩展至原书内容。详见 NOTICE。