构建基于WorkBuddy的元技能-实现基于本体模型驱动的领域技能动态创建
今天聊下如何将我前面本体建模和本体驱动沟通AI原生的Agent的能力打包为一个独立的Skills并移植到WorkBuddy里面。也就是我需要构建一个基于需求探索-》本体建模-》Agent生产的元技能,这个元技能可以根据你的业务需求动态创建各种领域技能。
一、为什么需要“元技能”
在企业软件建设中,最难的往往不是写代码,而是把业务说清楚、拆清楚、固化清楚。传统系统开发通常从需求访谈开始,经过需求文档、原型设计、数据库设计、后端接口、前端页面、测试部署等多个环节。每个环节都需要不同角色理解同一份业务材料,再把它翻译成自己的产物。这个过程天然存在语义损耗:业务人员说的是“合同付款条款”“开票对应付款阶段”“收款后更新开票状态”,需求文档里变成字段和流程,数据库里变成表和外键,代码里变成接口、函数和校验逻辑。只要其中任何一次翻译出现偏差,最终系统就会偏离业务真实意图。
WorkBuddy 的元技能构建思路,正是为了解决这个问题。所谓元技能,不是面向某一个固定业务场景的技能,而是一个“技能生成器”:它接收不同领域的原始需求,通过结构化需求探索,把业务对象、行为、规则、事件、流程、查询、界面和接口逐层澄清;再基于确认后的需求生成本体模型;最后把本体模型转换为一个可安装、可运行、可交互的领域技能。也就是说,元技能的产物不是一段说明文字,而是另一个真正能在 WorkBuddy 中使用的业务应用技能。
这种方式的核心价值在于,把“业务理解”从一次性文档变成可执行资产。需求探索不是为了写一份漂亮的文档,本体建模也不是为了画一张复杂的图,而是为了让领域知识直接驱动应用生成。最终形成的领域技能,不仅包含需求文档和模型文件,还包含自动建库引擎、单据录入表单、自然语言查询能力、本体知识图谱和 UI 调用链工作台。业务专家可以继续用自然语言与技能对话,也可以直接打开表单录入业务数据。这是从“写系统”转向“生成领域应用”的关键变化。
二、总体架构:需求探索、本体建模、技能生成三段式
整个元技能构建过程可以概括为三段式架构:第一段是需求探索,第二段是本体建模,第三段是领域技能生成。
第一段,需求探索,解决“业务到底是什么”的问题。用户可以只提供一段原始需求,例如销售合同履约管理、客户拜访管理、费用报销管理、采购订单管理等。元技能不会立即进入建模或开发,而是按照固定阶段逐步追问和确认。它先确认总体范围,再确认业务对象、业务功能、规则、事件协同、端到端流程、查询报表、角色权限、接口边界和 UI 原型。每个阶段都要求业务方确认,尤其是那些不能由 AI 自行假设的企业专属规则,比如金额是否含税、父对象删除时子对象如何处理、是否需要审批流、状态变化是否影响其他对象、查询统计口径如何定义等。
第二段,本体建模,解决“业务如何成为可执行模型”的问题。经过确认的需求会被转化为十一类模型:M1 对象模型、M2 行为模型、M3 规则模型、ME 事件模型、M4 场景模型、M5 主体模型、M6 流程模型、M7 查询报表模型、MU UI 模型、MM 对象-数据表映射模型、MI 接口模型。这些模型不是孤立文件,而是一套彼此引用、相互校验的语义网络。对象定义数据结构,行为定义用户能做什么,规则定义什么能做、什么不能做,事件定义事实发生,场景定义跨对象协同,流程定义端到端业务流,报表定义读模型,UI 定义用户入口,映射定义对象如何落到数据库,接口定义系统边界。
第三段,领域技能生成,解决“模型如何变成可用应用”的问题。元技能把本体 YAML 和 JSON、需求文档、知识图谱、UI 调用链工作台、运行引擎和录入表单打包到一个新的技能目录中。这个领域技能安装到 WorkBuddy 后,就可以通过自然语言触发,例如“打开合同录入界面”“查询当前所有合同信息”“录入开票”“查看已开票未收款记录”。
技能运行时会自动创建 SQLite 数据库,根据 M1 对象模型生成表结构,并基于模型元数据提供录入和查询能力。如果对话内容是录入单据,那么AI会自动打开动态UI界面方便业务数据的录入。
这三段式架构的关键,不是把开发步骤自动化得更快,而是让每一步都有清晰的语义边界:需求阶段不抢跑开发,本体阶段不随意扩展业务,技能生成阶段不再凭代码猜业务。业务结论一旦确认,就成为后续模型和应用生成的唯一依据。
三、需求探索:把模糊描述变成可确认的业务语义
元技能首先解决的,是原始需求往往不完整、不规范、不够可实现的问题。业务人员通常会说“我要做一个合同管理系统”,但这句话背后可能包含完全不同的范围:是管理合同起草审批,还是只管理签署后的履约?是销售合同,还是采购合同?是否包含开票、收款、变更、结清、归档?是否对接财务系统?是否需要客户门户?这些问题如果不在前期明确,后续生成的系统就会不可控。
因此,需求探索采用阶段化确认机制。阶段零确认总体范围,先把系统边界说清楚;阶段一确认业务对象,包括主数据、核心单据、明细对象、关联对象及字段口径;阶段二确认业务功能与规则,明确哪些是录入、哪些是查询、哪些规则在保存时必须校验;阶段三识别事件,判断哪些操作只是一次保存,哪些操作会在保存后影响另一个独立对象;阶段四确认跨对象协同场景;阶段五确认端到端流程和审批流;阶段六确认查询报表及统计口径;阶段七确认角色权限;阶段八确认接口需求;阶段九确认 UI 原型。
这个过程有一个重要原则:AI 可以基于通用业务知识自动补全,但不能替企业决定关键规则。例如“金额必须大于 0”属于通用规则,可以自动补全;但“合同总金额是否含税”“合同产生开票后是否允许删除”“一个开票是否允许多笔收款”“是否需要审批流”就必须由用户确认。为了降低业务方确认成本,每个问题都给出 AI 建议答案、建议理由和备选项。用户可以直接回复“按 AI 建议”,也可以针对某个问题修改。
这背后的设计思想是:让 AI 做结构化归纳和专业建议,让业务方做…