Skip to content
OpenAgentSkill
Browsing is open · Catalog captured 2026-11-21 · Automatic updates and account services are paused.
Other skills

fact-reason-action-business-loop

用于需要把模糊业务描述转成Agent可用模型、需要解释一个判断怎样落到系统动作,用户出现“帮我按事实事理行动拆解”“这个判断依据和动作怎么串起来”或 fact-reason-action, business loop, traceable action 等信号时调用。不适用于只需要解释术语或摘要文档。

SuperChason · Static checks on file

Installation

Read the source and dependencies before running a command. Copying does not install or execute anything.

npx skills add SuperChason/ontology-driven-ai-data-management-skills --skill fact-reason-action-business-loop

About this skill


name: fact-reason-action-business-loop description: | 用于需要把模糊业务描述转成Agent可用模型、需要解释一个判断怎样落到系统动作,用户出现“帮我按事实事理行动拆解”“这个判断依据和动作怎么串起来”或 fact-reason-action, business loop, traceable action 等信号时调用。不适用于只需要解释术语或摘要文档。 metadata: tags: "fact, reasoning, action, dynamic-model, closed-loop, enterprise-ai, ontology-driven" related-skills: ""

“事实—事理—行动”业务闭环建模

方法骨架

  • 把业务问题拆成事实、事理和行动三个相互校验的层次。
  • 事实记录对象、关系、状态、时间、来源和版本,回答当前发生了什么。
  • 事理表达规则、因果、约束、流程和状态变化,回答为什么以及接下来可能怎样。
  • 行动定义可执行能力、权限、前置条件和结果,回答允许做什么。
  • 推理从事实出发受事理约束,产出行动建议;执行反馈再更新事实并校正规则。
  • 交付物是一条有证据、有推理、有受控行动、有反馈的业务闭环。

触发场景

用户会在什么情境下需要这个 Skill

  1. 需要把模糊业务描述转成Agent可用模型
  2. 需要解释一个判断怎样落到系统动作
  3. 跨系统事实、规则和流程混在一起难以梳理

语言信号

  • “帮我按事实事理行动拆解”
  • “这个判断依据和动作怎么串起来”
  • “怎样形成业务闭环”
  • 英文信号:fact-reason-action, business loop, traceable action

与相邻 Skill 的区分

  • 与 seven-plus-one-semantic-mapping:本 skill 先建立业务闭环骨架;7+1负责把骨架映射成更完整的语义规范。
  • 与 fact-reason-goal-explainable-decision:本 skill 覆盖从认知到行动的整体结构;事实事理目标专注单次决策推理。

执行步骤

按当前任务选择必要步骤;已有可靠成果直接复用:

  1. 界定闭环

    • 动作:写清触发事件、目标结果、责任主体、起止状态和涉及系统。
    • 完成标准:闭环边界能用一句话说明,范围外事项单列。
  2. 登记事实

    • 动作:列出对象、关系、状态、时间、来源、版本和可信度。
    • 完成标准:每个参与推理的事实都有来源,缺失项明确标为待核实。
  3. 表达事理

    • 动作:把规则、因果、约束、例外、流程和状态转换条件写成可判断语句。
    • 完成标准:每条事理能引用事实并产生可核验结论;冲突规则有优先级或升级路径。
  4. 定义行动

    • 动作:列出建议、查询、建单、审批或系统调用,注明权限、前置条件和结果。
    • 完成标准:行动均能映射到责任人或现有系统能力。
    • 判停条件:若行动无法授权或无法回传结果,停在建议层。
  5. 闭合反馈

    • 动作:定义成功、失败、异常和人工调整怎样回写事实、触发后续动作或修正规则。
    • 完成标准:输出完整的事实—事理—行动—反馈表及未闭合项。

固定输出

  • 业务闭环边界卡:触发、目标、责任主体、起止状态、系统范围和范围外事项
  • 事实表:事实编号、对象、关系、状态、时间、来源、版本、可信度和核验状态
  • 事理表:事理编号、规则或因果、适用条件、优先级、例外、冲突和证据
  • 行动表:行动编号、目标、对象、责任主体、权限、前置条件、执行方式和预期结果
  • 事实—事理—行动追溯矩阵:输入事实、应用事理、中间结论、可选行动和最终行动
  • 执行反馈与事实回写表:成功、失败、异常、人工调整和规则修正
  • 未闭合项、风险边界与下一步清单

表中条目使用稳定编号串联,每个结论都能回到事实和事理,每个行动都有授权与结果回写路径。

使用边界

不要在以下情况使用

  • 只需要解释术语或摘要文档
  • 在目标或触发事件缺失时给出确定执行结论;可按已有信息形成候选闭环与关键缺口
  • 未经授权或缺少必要审计时执行高风险动作;仍可分析授权条件和反馈方案

常见失败模式

  • 数据连通但业务语义仍然隔离:多源系统只有数据级连接,缺少统一概念、关系、规则和场景上下文,模型只能按通用概率补齐含义。
  • 用通用逻辑直接驱动自主决策:概率推理替代了企业决策逻辑,执行工具又把语言偏差转化成了现实状态变更。
  • 把文档检索等同于可执行知识:向量相似性提供相关片段,却不能保证业务关系、方向、约束和动作条件完整呈现。
  • 行动前无校验且失败后无反馈策略:计划层假设与真实系统状态没有校验,执行结果也未反馈给决策层重新规划。

使用折扣与复核要求

  • 三层结构不能替代事务一致性、权限系统和真实数据质量治理。
  • 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

  • 本 Skill 是基础入口,没有前置依赖。

审计信息

  • 历史验证:v0.1.0 路由测试 6/6;v0.4.0 已通过输出契约结构校验,跨平台行为继续按版本抽样
  • 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。