首页 理论 架构 工程 规划 文档 白皮书 著作 研究 规范 下载 博客 关于 联系 开始使用 →

第42章 新知识驱动的新需求生成

《WSaiOS结构智能(WSaiOS-SI)理论工程》

第十九卷:动态语义库理论与工程

第42章 新知识驱动的新需求生成

42.1 新知识驱动的新需求生成的理论定位

动态语义库不能只被理解为一个不断增加知识内容的存储系统。它不仅需要获取外部资源、形成语义单元、组织知识结构、建立语义关系、管理证据和核验结论,还必须能够根据已经获得的新知识,发现原有认知结构中的缺失、限制、矛盾和潜在问题,进一步生成新的语义需求。

新知识驱动的新需求生成,是指系统在获得、补充、修正或重新核验知识之后,通过对新旧知识结构、语义关系、证据状态、适用条件和现有任务目标进行比较与判断,识别尚未解决的问题,并将这些问题转化为新的、可追踪、可执行、可验证的语义需求。

这一机制解决的是动态语义库中的一个核心问题:

知识获取不是学习过程的终点,而是发现新问题、形成新需求和推动知识继续演化的起点。

如果系统只能根据外部输入的需求寻找知识,那么它的知识活动就始终受制于已有需求。即使获得了大量新知识,也不一定能够发现这些知识对原有认知结构产生了什么影响,更不能主动识别由此产生的新问题。

WSaiOS结构智能需要建立从知识变化到需求生成的内部逻辑,使系统能够依据结构变化、关系变化、证据变化和核验结果,持续形成新的学习任务。

这一过程不是依赖大模型生成问题,也不是根据文本内容自动编写一组看似相关的问题,而是通过已有结构与新增知识之间的可计算关系,识别真实存在或有依据需要进一步查明的知识缺口。

因此,新知识驱动的新需求生成属于动态语义库从知识维护走向认知演化的关键机制。

42.2 新知识的定义与范围

42.2.1 新知识不等于新资料

动态语义库需要首先区分新资料、新信息、新语义内容和新知识。

新资料,是系统新发现或新获取的外部资源,例如网页、公开文件、产品说明、公告、技术文档或其他可追溯材料。

新信息,是资料中包含的、此前尚未被系统记录或识别的信息内容。

新语义内容,是系统从资料中识别出来的对象、属性、属性值、条件、状态、关系、主张或方法等具有明确语义的内容。

新知识,则是经过结构化组织后,能够与已有知识形成明确对应关系,并具有可识别的对象、属性、关系、适用条件、来源或证据状态的知识内容。

这些概念之间存在处理关系,但不能直接画等号。

例如,系统新获取了一份电动牙刷产品网页。网页本身是新资料,但如果网页只是重复已有产品介绍,就不一定形成新的知识内容。如果网页提供了此前没有记录的生产厂家信息,则可能形成属性补充。如果网页披露了某型号认证已过期,则可能形成新的状态信息,并触发原有认证结论的重新核验。

因此,新需求生成不能简单地由“新增一条资料”触发,而应当由资料经过语义识别后产生的实际知识变化触发。

42.2.2 新知识的主要类型

新知识可以从其对现有知识结构产生的影响进行分类。

新知识类型 含义 可能引发的新需求
新对象知识 发现此前未识别的对象 查明对象属性、来源及其与已有对象的关系
新属性知识 为已有对象补充新的属性信息 核实属性含义、取值及适用条件
新取值知识 发现属性的新值或不同取值 判断对象、时间和条件是否一致
新关系知识 发现对象、属性、主张或证据之间的新关系 验证关系是否成立及其适用范围
新条件知识 发现知识成立所依赖的条件 检查原有结论的适用边界
新证据知识 获得支持、反驳或限制某项主张的材料 评估证据质量、独立性与充分性
新规则知识 发现或修正判断、计算、匹配和验证规则 重新评估受规则影响的知识与结论
新状态知识 发现对象或关系的状态发生变化 确认变化时间、当前状态和历史状态
新冲突知识 发现不同知识之间存在不能直接协调的差异 生成冲突分析与重新核验需求
新方法知识 发现解决某类问题的新方法或执行条件 验证方法的适用性、执行条件及效果
新边界知识 发现原有知识不能覆盖某些情况 明确适用范围,补充条件或建立新的结构
新依赖知识 发现某项结论依赖于此前未识别的对象、证据或规则 检查依赖项的有效性及其对结论的影响

这些类型不是固定行业分类,而是依据知识在结构中的作用形成的通用分析维度。

系统可以根据实际任务和结构定义进一步细分,也可以在没有必要时合并处理。关键在于明确新知识改变了什么,以及这种变化是否产生了新的待解决问题。

42.3 新知识与新需求之间的基本关系

新知识不一定产生新需求,但任何由新知识引发的新需求,都应当具有可以说明的生成依据。

例如:

  • 新资料只是重复已有内容,且没有新增证据价值时,不一定产生新的知识需求。

  • 新知识补充了一个此前缺失的属性,可能产生属性值核验需求。

  • 新证据反驳了已有主张,可能产生重新核验需求。

  • 新关系连接了两个此前分离的知识结构,可能暴露关系两端的属性缺失。

  • 新规则改变了原有结论的判定条件,可能产生受影响结论的复核需求。

  • 新知识揭示了原有结构无法表达的条件,可能产生结构扩展需求。

  • 新知识表明原有任务目标已经无法满足当前情况,可能产生目标修订需求。

由此可见,新知识与新需求之间不是简单的一对一关系。

一项新知识可能产生多个需求;多个新知识也可能共同产生一个需求;某项新知识还可能消除已有需求,或者使已有需求不再适用。

因此,系统需要建立可追踪的知识—需求关联,而不是把新增知识与新增需求机械地绑定。

42.3.1 新知识可能产生多种需求

假设系统发现某款电动牙刷的公开产品资料新增了一项认证信息。

这项信息可能同时触发以下问题:

第一,认证是否对应目标产品的准确型号?

第二,认证覆盖的产品范围是否包含该型号?

第三,认证是否处于有效期内?

第四,认证信息来自什么来源,是否存在可以独立核验的材料?

第五,已有产品结论是否曾经将该认证错误地关联到其他型号?

第六,当前证据是否足以支持“该型号具有有效认证”的判断?

这些问题具有不同的目标对象、判断条件和验证方法,不能简单合并成一个模糊的“核实认证”需求。

系统应根据实际缺口,将其拆分为相互关联的语义需求,并明确哪些需求必须先解决、哪些需求可以并行处理。

42.3.2 多项新知识可能共同产生一个需求

假设系统先后获得三项知识:

  • 某产品型号发生了变更。

  • 原认证材料对应的是旧型号。

  • 新型号的认证材料尚未找到。

这三项知识分别描述对象变化、证据适用范围和证据缺失,但共同指向一个核心问题:

现有证据能否支持新型号具有相应认证的结论?

此时系统可以生成一个综合需求,并将三项知识作为需求形成的依据。

综合需求仍应保留内部的子问题及其依赖关系,避免因为需求合并而丢失不同知识变化的作用。

42.4 新需求生成的结构基础

WSaiOS-SI的基本理论是:

元素 + 关系 → 结构。

新知识驱动的新需求生成,必须建立在知识结构与需求结构之间的对应关系上。

系统不能只判断两段文本是否相似,也不能仅凭两个关键词共同出现就认定存在新需求。它需要识别新知识所涉及的对象、属性、取值、关系、条件、证据、规则和状态,并将这些要素与已有结构进行比较。

42.4.1 知识结构

知识结构可以从以下概念要素进行表达:

  • 对象:知识涉及的实际或概念对象。

  • 属性:用于描述对象的特征。

  • 值:属性在特定条件下的具体取值。

  • 关系:对象、属性、主张、证据及其他知识单元之间的联系。

  • 条件:知识成立或适用所需要满足的限制。

  • 时间:知识所描述的时间、记录时间或适用时间。

  • 证据:支持、反驳或限制主张的材料。

  • 规则:用于判断、计算、匹配或验证知识的明确条件。

  • 状态:知识当前的确认、待核验、冲突、失效或其他处理状态。

上述内容是结构分析维度,不是要求每一种知识都必须具有完全相同的字段。

不同知识对象所需要的结构,应由实际任务和对象定义决定。

42.4.2 需求结构

新需求也必须具有可识别的结构。

一项需求至少需要在语义上明确:

  1. 需求目标:系统需要查明、补充、判断或解决什么问题。

  2. 目标对象:需求针对哪个对象、属性、关系、主张、证据或结构。

  3. 当前缺口:已有知识缺少什么,或哪些内容存在不确定性。

  4. 生成依据:哪些新知识、知识变化或核验结果引发了需求。

  5. 完成条件:什么结果能够说明需求已经解决,或者为什么仍然无法解决。

  6. 适用条件:需求在哪些时间、范围和条件下成立。

  7. 关联关系:需求与其他需求、知识对象、证据及结论之间的关系。

  8. 处理状态:需求当前处于待处理、处理中、已满足、受阻、需修订或其他状态。

具体实现时,可以根据需求复杂程度增加或减少描述项,但不能因为数据组织简化而丢失需求的核心语义。

尤其需要区分需求目标与需求依据。新知识是生成需求的原因,不等于新需求本身。

42.5 新需求生成的核心机制

新需求生成的核心,不是自动创造问题,而是通过知识变化识别可解释的缺口。

其基本处理逻辑为:

新知识形成 → 知识结构比较 → 变化识别 → 影响分析 → 缺口判断 → 需求生成 → 需求关联 → 优先级判断 → 任务执行 → 结果反馈。

这一过程可以分为九个阶段。

42.5.1 第一阶段:识别新知识及其来源

系统首先确定新知识来自哪里,以及它经过了什么处理。

需要保留的依据包括:

  • 原始资料及其来源。

  • 资料中对应的内容位置。

  • 提取出的语义单元。

  • 语义单元对应的对象和属性。

  • 新知识与已有知识的匹配结果。

  • 已有的证据关系和核验状态。

  • 本次新增、补充或修正的原因。

新知识尚未得到核验时,可以进入候选知识状态,但不能直接把它当作已经确认的事实。

如果新知识只来自外部人工智能回答,也必须将其视为待验证材料。系统可以根据它发现潜在知识缺口,但不能仅凭该回答就将其提升为已确认知识。

42.5.2 第二阶段:比较新旧知识结构

系统需要将新知识与相关的已有知识进行结构比较。

比较的对象包括:

  • 是否出现新的对象。

  • 是否增加新的属性。

  • 是否出现新的取值。

  • 是否建立新的关系。

  • 是否增加或改变适用条件。

  • 是否新增支持或反驳证据。

  • 是否改变原有知识状态。

  • 是否影响已有规则或结论。

  • 是否暴露原有结构无法表达的内容。

比较结果可以包括:

相同、补充、扩展、修正、替代、冲突、条件不同、对象不确定、无法对应等。

这里的“无法对应”不应被强制转换为“全新知识”。它也可能意味着系统缺少对象识别条件,或者现有结构不足以完成匹配。

因此,匹配失败本身有时能够成为新需求的生成依据,但不能直接证明新对象或新事实已经成立。

42.5.3 第三阶段:识别知识变化

在完成结构比较后,系统应判断变化究竟发生在哪里。

例如:

  • 内容发生变化,但语义对象没有变化。

  • 对象没有变化,但新增了属性值。

  • 属性值相同,但适用条件不同。

  • 主张没有变化,但证据质量发生变化。

  • 证据没有变化,但证据与目标对象的对应关系被修正。

  • 原有关系没有变化,但验证规则发生变化。

  • 单项知识没有明显变化,但多项知识组合后产生新的关系。

只有确定变化类型,系统才能分析变化可能造成的影响。

如果没有识别出实质变化,就不应仅为了增加需求数量而创建新需求。

42.5.4 第四阶段:分析影响范围

知识变化可能影响当前知识结构中的其他内容。

例如,一项产品型号对应关系发生修正,可能影响与该型号关联的认证信息、规格信息、供应商信息和既有结论。

但系统不能因为这些内容与产品型号有关,就认定所有相关内容都必须重新核验。

影响分析应建立在实际存在的结构关系和依赖关系上。

例如:

  • 某结论直接依赖于该型号与认证材料的对应关系。

  • 某判断规则要求认证材料必须覆盖目标型号。

  • 某需求的完成条件要求目标型号的有效认证得到核实。

这些关系可以支持系统识别实际受影响的结论和需求。

相反,如果某项知识与型号仅存在宽泛的语义关联,而没有构成当前判断的实际依据,就不能无条件地将其纳入影响传播范围。

42.5.5 第五阶段:判断是否存在真实知识缺口

不是所有知识变化都会产生新的需求。

系统需要判断:现有知识结构是否已经足以支持当前任务,还是仍然存在需要查明的问题。

知识缺口可以分为以下类型。

知识缺口 判断依据 可能生成的需求
对象缺口 目标对象身份无法明确 对象识别与对应关系核验
属性缺口 任务需要的属性尚未获得 属性信息获取
关系缺口 对象之间的必要关系尚不明确 关系识别与验证
条件缺口 知识成立条件不完整 条件补充与适用范围核验
证据缺口 主张缺乏足够的支持或反驳材料 证据获取与评估
状态缺口 当前状态或有效时间不明确 状态查询与时间核验
规则缺口 现有规则不足以判断问题 规则建立、修正或适用性验证
冲突缺口 不同材料之间存在尚未解决的差异 冲突分析与重新核验
结构缺口 现有结构无法表达新发现的内容 结构扩展与定义修订
方法缺口 已有方法不能满足当前处理条件 方法查找、构建与验证
历史缺口 无法确认知识在过去某个时点的状态 历史资料查找与追溯
依赖缺口 结论依赖的关键知识尚未确认 依赖项核验与影响评估

这里的“缺口”并不等于“信息数量不足”。

有时资料数量很多,但缺少对目标对象的准确对应;有时资料内容完整,却没有明确适用时间;还有时事实本身已经明确,但系统缺少能够支持当前任务的验证规则。

因此,知识缺口必须从任务目标和知识结构两个方面共同判断。

42.5.6 第六阶段:将知识缺口转化为新需求

当系统识别出真实缺口后,需要将其转化为明确的需求表达。

例如,系统发现:

  • 已有产品资料描述了认证编号。

  • 新资料显示认证编号可能对应另一个型号。

  • 现有知识库无法确定两者是否属于同一产品对象。

此时,合理的新需求不是简单地生成“继续搜索认证信息”,而是:

核验认证编号所对应的产品型号,并确定该认证是否适用于当前目标对象。

这一需求具有明确的目标对象、待解决问题和完成方向。

进一步分析后,还可能拆分为:

  1. 查明认证编号对应的产品型号。

  2. 查明认证材料覆盖的产品范围。

  3. 核验目标型号与认证材料之间的对应关系。

  4. 检查现有认证结论是否依赖错误的对象映射。

  5. 根据核验结果更新当前结论。

需求拆分的依据是实际问题的结构与依赖关系,而不是预先设置的固定问题模板。

42.5.7 第七阶段:建立新需求之间的关系

多个新需求之间可能存在不同关系。

依赖关系:某项需求必须在另一项需求完成后才能得到有效处理。

共享依据关系:多个需求由同一项新知识或同一项变化引发。

补充关系:一个需求解决后,另一个需求仍需补充剩余内容。

冲突关系:不同需求的目标、条件或处理结果存在需要协调的地方。

替代关系:新需求改变了原需求的目标或处理方式,原需求可能不再适用。

触发关系:一个需求的执行结果可能产生另一个新需求。

并行关系:多个需求可以分别处理,不必等待彼此完成。

例如,核验产品型号和查找认证有效期可能需要不同的资料,但最终都服务于认证有效性判断。如果有效期核验必须先确认认证编号所对应的具体证书,那么两项需求之间就存在依赖关系。

建立这些关系后,系统才能合理安排执行顺序,并避免重复检索、无效执行和需求遗漏。

42.5.8 第八阶段:确定需求优先级

新需求生成之后,并不意味着所有需求都必须立即执行。

系统需要根据当前任务目标、知识缺口的影响、需求依赖关系、时间要求、执行成本和可获得资源等因素,判断需求的处理顺序。

优先级判断需要注意几个区别:

  • 语义相关性高,不代表需求优先级必然最高。

  • 证据质量低,不代表相关需求必然可以忽略。

  • 需求数量多,不代表系统学习效果更好。

  • 处理成本低,不代表需求对当前任务更重要。

  • 需求尚未解决,不代表必须无限次重复处理。

例如,如果某项结论能否成立完全取决于目标对象是否匹配,那么对象识别需求通常应先于对结论进行最终确认。

但是,如果任务明确要求在限定时间内给出暂定结果,系统也可以先形成带有明确限制的阶段性判断,再继续补充核验。此时,阶段性判断与最终确认必须区分。

优先级是任务调度判断,不是事实真实性评分。

42.5.9 第九阶段:记录生成依据并进入执行闭环

新需求形成后,系统需要保留其来源和生成过程。

至少应能回答:

  • 哪项新知识触发了需求?

  • 新知识发生了什么变化?

  • 当前知识结构存在什么缺口?

  • 为什么现有知识不足以完成任务?

  • 需求具体需要解决什么问题?

  • 需求与哪些其他需求存在依赖关系?

  • 需求完成需要满足什么条件?

  • 执行结果是否真正消除了缺口?

  • 如果没有消除缺口,下一步需要做什么?

需求进入执行后,系统根据需要开展资源发现、资料获取、语义处理、结构匹配、证据组织、比较、判断和验证。

执行结果可能使需求得到满足,也可能暴露更深层的缺口。系统必须允许这种情况继续产生新的需求。

由此形成持续演化的需求闭环。

42.6 新需求的类型与生成边界

新知识驱动的新需求,应当根据缺口的性质确定处理类型。

42.6.1 信息获取需求

当系统知道需要什么信息,但尚未获得相应材料时,可以生成信息获取需求。

例如,系统已经明确目标产品型号,却没有找到对应的认证文件。

此时的需求是获取可用于核验的材料。

信息获取需求并不意味着找到资料就等于完成需求。获取的资料仍然需要经过对象匹配、适用性分析和必要的验证。

42.6.2 语义澄清需求

当系统已经获得材料,但其中的对象、属性、关系、术语或条件不够明确时,可以生成语义澄清需求。

例如,同一产品名称可能对应多个型号,或者某项技术指标没有明确测量条件。

此时继续收集同类材料未必能够解决问题。系统需要先明确语义对象和判断条件。

42.6.3 结构补充需求

当新知识暴露出现有结构无法完整表达的问题时,可以生成结构补充需求。

例如,原有知识结构只能表达认证编号和有效期,却无法区分认证适用范围与产品型号之间的关系。

这时问题不一定是资料不足,而可能是结构定义不足。

系统需要判断是否应当扩展现有结构、增加关系定义或修订相关规则。

不能为了每项新知识都修改结构,也不能因为现有结构不便处理,就强行把新知识塞入不适合的属性。

42.6.4 证据核验需求

当新知识涉及事实主张,但现有材料不足以支持确认,或者新旧证据存在差异时,可以生成证据核验需求。

证据核验需要明确目标主张、证据对应关系、适用条件和判定规则。

如果新资料只是重复已有来源,系统不能仅凭资料数量增加,就认定证据已经得到独立验证。

如果新资料反驳已有主张,也不能直接将原结论反转为相反结论,而应根据实际证据和规则重新判断。

42.6.5 冲突处理需求

当不同知识之间存在不能直接协调的差异时,系统可以生成冲突处理需求。

但冲突的发现并不意味着冲突必然是真实的事实矛盾。

系统应先判断:

  • 是否针对同一对象。

  • 是否描述同一属性或主张。

  • 时间是否一致。

  • 适用条件是否一致。

  • 概念定义是否一致。

  • 证据是否具有相同的适用范围。

如果差异仅来自不同型号、不同时间或不同条件,就可能无需进行事实冲突裁决,而只需补充对象和条件关系。

42.6.6 重新核验需求

当新知识可能影响已有结论的依据时,系统可以生成重新核验需求。

重新核验不应无差别地重新执行整个知识库的所有检查,而应沿着真实存在的证据依赖、规则依赖和结论依赖,定位需要重新检查的对象。

如果新知识与某项结论没有实际依赖关系,就不能仅凭主题相似而要求该结论重新核验。

42.6.7 方法改进需求

当新知识表明现有处理方法无法解决当前问题,或者现有方法在某些条件下产生了不适用的结果时,可以生成方法改进需求。

例如,现有匹配方法只能依据产品名称建立对应关系,而新知识表明不同型号可能共用相似名称。

此时,系统需要分析现有方法的限制,确定是否需要引入型号、规格、来源范围或其他与当前任务相关的判断条件。

这种改进应由实际问题推动,而不是预先硬编码某个行业的全部字段。

42.6.8 需求修订与需求终止

新知识有时并不产生全新的需求,而是改变已有需求。

例如,原需求是确认某款产品是否具有认证。新知识明确了认证适用范围后,系统发现原需求所针对的产品型号并不准确。

此时需要修订原需求的目标对象,而不是继续执行旧需求。

如果新知识已经充分解决某项需求,或者证明原需求所依据的条件不再成立,则可以将原需求标记为已满足、已取消、不再适用或由新需求替代。

需求终止必须保留原因。不能通过删除旧需求的方式掩盖目标变化或知识变化。

42.7 新知识、新需求与已有需求的状态管理

新知识的状态、需求的状态和结论的状态必须分别管理。

一项新知识可能处于待核验状态,但已经足以触发一个新的核验需求。

一项需求可能已经生成,但其所依据的新知识尚未得到最终确认。

一项结论可能仍然有效,但新增知识已经表明需要检查其适用条件。

因此,系统不能使用一个统一状态代表所有对象的状态。

42.7.1 知识状态

知识状态用于描述知识内容及其当前处理情况,可以包括:

  • 待解析。

  • 已结构化。

  • 待匹配。

  • 待核验。

  • 已获得支持。

  • 存在冲突。

  • 条件成立。

  • 已失效。

  • 已被修正。

  • 尚无法确定。

具体状态应根据知识对象的实际生命周期确定,不要求所有知识都经历相同状态。

42.7.2 需求状态

需求状态用于描述问题的处理进度,可以包括:

  • 新生成。

  • 待评估。

  • 待执行。

  • 执行中。

  • 等待依赖需求。

  • 等待外部资源。

  • 处理中断。

  • 已满足。

  • 部分满足。

  • 受阻。

  • 待重新处理。

  • 已取消。

  • 已替代。

  • 不再适用。

需求状态描述的是需求处理情况,而不是知识真实性。

例如,需求已经满足,只能说明其预定完成条件已达到;如果需求目标本身设置不合理,还需要通过反馈机制识别并修订。

42.7.3 结论状态

结论状态描述系统对特定主张的判断情况,可以包括:

  • 待核验。

  • 证据不足。

  • 得到支持。

  • 条件性支持。

  • 存在冲突。

  • 已被反驳。

  • 需要重新核验。

  • 暂时无法确定。

  • 在指定条件下成立。

结论状态变化可能产生新需求,但不能与需求状态变化混为一谈。

例如,结论从“得到支持”转为“需要重新核验”,意味着系统发现原判断可能受到新知识影响;重新核验需求是否已经完成,则是另一项独立的状态判断。

42.8 新需求的合并、拆分与重复识别

持续学习可能不断产生内容相近的需求。如果没有合理的需求管理机制,系统会反复检索相同内容,生成大量重复任务,甚至让同一个知识缺口长期处于未解决状态。

因此,新需求生成之后,还需要对其进行比较和组织。

42.8.1 需求重复不等于表达相似

两项需求可能使用相似的词语,但目标对象、时间、条件和完成要求不同。

例如:

  • 确认型号A当前是否具有有效认证。

  • 确认型号B当前是否具有有效认证。

两项需求表达高度相似,但目标对象不同,不能直接合并。

反过来,两项需求的表达可能不同,却指向同一个目标对象、同一个属性和同一个未解决问题。这种情况下,可以考虑将其识别为同一需求的不同表达或来源。

因此,需求去重需要依据语义结构,而不是只依据文本表达。

42.8.2 需求合并的条件

需求合并至少需要检查:

  • 目标对象是否相同。

  • 目标问题是否一致。

  • 适用时间和条件是否兼容。

  • 完成条件是否能够统一。

  • 所依赖的知识与证据是否存在实质差异。

  • 合并后是否会丢失必要的来源和处理记录。

只有这些条件支持统一处理时,系统才可以合并需求的执行视图。

即使需求可以合并执行,也仍然需要保留各自的触发来源和具体要求。

42.8.3 需求拆分的条件

当一个需求包含多个能够独立判断的目标,或者内部存在不同的处理路径和依赖关系时,可以将其拆分为多个子需求。

例如,“确认目标产品的认证情况”可能包含对象识别、证书获取、适用范围核验和有效期核验。

如果这些子问题需要不同材料、不同规则或不同完成条件,就应当分别表达。

拆分后的子需求必须保留与原需求的关联,以便系统判断所有必要子需求是否已经完成。

42.8.4 重复需求与重复证据的区别

需求重复和证据重复是两个不同问题。

多个需求可能依赖同一份证据,但不一定重复;同一个需求也可能收集到多个重复转载的材料。

因此,需求管理与来源依赖管理必须分别进行。

不能因为两个需求使用相同来源,就认定它们是同一需求;也不能因为多个来源分别提供材料,就认定这些材料具有独立证据价值。

42.9 新需求生成中的比较、判断、匹配、计算与验证

新需求生成不是单一运算,而是多个基础运算协同完成的过程。

42.9.1 比较运算

比较用于识别新旧知识之间的差异。

比较对象可以是对象身份、属性值、语义关系、适用条件、证据状态、规则版本或结论状态。

比较结果为后续变化识别提供依据,但比较本身不等于判断变化是否重要。

42.9.2 匹配运算

匹配用于确定新知识与已有对象、结构、需求和结论之间的对应关系。

匹配可以得到完全对应、部分对应、条件对应、候选对应、冲突对应或无法确定等结果。

匹配成功不代表新知识已经核验;匹配失败也不一定代表新知识属于全新对象。

42.9.3 判断运算

判断用于根据明确的条件和规则,确定知识变化是否产生了实际缺口,以及缺口是否足以形成新需求。

例如,某项属性缺失只有在当前任务要求该属性时,才必然构成当前任务的需求缺口。

同一项属性对某个任务可能是必要条件,对另一个任务则可能完全无关。

因此,需求生成必须结合任务目标,而不能无条件地把所有未知信息转化为待办事项。

42.9.4 计算运算

计算可以用于估计需求优先级、处理成本、依赖路径、影响范围和资源分配。

但计算结果必须有明确的输入、规则和适用条件。

例如,可以依据任务期限、缺口影响、依赖程度和执行成本形成优先级计算规则。但这种规则应根据系统任务要求定义,不能宣称存在一个适用于所有情境的固定公式。

需求优先级计算也不等于知识真实性计算。

42.9.5 概率运算

在证据不完整或资源获取存在不确定性时,系统可能需要估计某个明确事件发生的可能性。

例如,可以估计某项检索路径能否找到所需资料,或者某项候选对象匹配是否值得进一步核查。

但是,概率估计必须明确所估计的事件、样本、条件、数据基础和计算方法。

不能因为某个新知识来自多个来源,就直接将需求生成的概率或结论正确率设定为某个百分比。

概率估计可以辅助需求安排,但不能替代确定性规则和证据核验。

42.9.6 排序运算

排序用于对多个新需求安排处理顺序。

排序依据可以包括任务目标、需求依赖、时效性、影响范围、执行成本和预期信息价值。

排序结果只代表当前规则下的处理次序,不代表排在前面的需求一定更真实、更重要或最终更有价值。

42.9.7 验证运算

验证用于检查新需求是否具有真实依据、是否准确表达知识缺口,以及其完成条件是否可执行、可判断。

验证至少应关注:

  • 触发需求的新知识是否能够追溯。

  • 新知识与目标对象的关系是否明确。

  • 识别出的缺口是否真实存在。

  • 需求是否已经被已有知识满足。

  • 是否存在重复或可合并的需求。

  • 完成条件是否清晰。

  • 需求执行结果是否能够反馈到知识结构。

验证失败时,系统可以修订需求、保留不确定状态,或者停止当前需求生成过程。

不能为了让系统持续产生任务,而把每一个未知状态都强行转换成必须执行的新需求。

42.10 新需求生成与动态语义需求库的关系

动态语义需求库不是静态的问题列表,而是与知识结构、任务目标和执行结果持续关联的需求系统。

它需要支持两种不同的需求来源。

第一种是外部或任务驱动需求,即用户、任务或运行条件直接提出的问题。

第二种是知识驱动需求,即系统在获取和处理知识的过程中,依据实际结构变化、知识缺口和核验结果发现的新问题。

两种需求可以汇合到同一需求管理机制中,但必须保留不同的生成来源。

外部需求说明系统最初需要解决什么问题;知识驱动需求说明在解决问题的过程中,又发现了什么必须进一步查明的问题。

42.10.1 需求生成来源的可追溯性

系统应能够区分:

  • 用户直接提出的需求。

  • 任务执行过程中产生的子需求。

  • 新知识触发的需求。

  • 证据变化触发的重新核验需求。

  • 冲突分析触发的澄清需求。

  • 规则或结构修订触发的检查需求。

  • 需求反馈产生的改进需求。

这种区分不是为了预先建立固定的行业分类,而是为了说明每项需求从哪里产生、为什么产生,以及它与其他需求有什么关系。

同一需求可能具有多个生成原因。系统应保留多个有效关联,而不是强行指定唯一来源。

42.10.2 需求库与知识库的双向关联

知识库向需求库提供新知识、结构变化、证据变化和知识缺口。

需求库则向知识库提供目标约束、待解决问题、必要属性、所需关系、验证条件和完成标准。

两者构成双向关联:

知识变化可能产生需求;需求变化也可能改变系统接下来需要查找和组织的知识。

但两者不能合并成一个对象。

知识对象描述系统当前掌握或待核验的内容,需求对象描述系统需要解决的问题。二者通过明确的关系连接,而不是互相替代。

42.11 新需求生成与知识演化的关系

新需求生成的价值,不仅在于增加任务数量,更在于推动知识结构不断完善。

当系统完成某项需求后,可能出现以下几种结果:

第一,知识缺口得到解决,现有结构足以支持当前任务。

第二,获得了新的证据,但仍然无法确认原有主张。

第三,发现了新的关系,使原有知识结构得到扩展。

第四,发现原有结论依赖的条件不成立,需要修正或重新核验。

第五,发现现有结构不能表达新知识,需要调整结构定义或关系规则。

第六,发现新的知识缺口,产生后续需求。

因此,需求完成不必然意味着问题链条完全结束;新需求出现也不代表之前的学习失败。

关键在于系统能否说明新需求是如何由已有处理结果产生的,以及后续处理是否具有明确目标。

42.11.1 知识积累与知识演化的区别

知识积累,是已有知识内容的增加。

知识演化,则可能包括:

  • 新对象的发现。

  • 既有对象属性的补充。

  • 语义关系的建立与修正。

  • 适用条件的明确。

  • 证据与结论的重新关联。

  • 规则和方法的改进。

  • 原有结构的扩展。

  • 知识缺口的重新识别。

  • 新需求的形成与解决。

知识积累可以为知识演化提供材料,但只有当系统能够根据知识变化调整其结构、判断和后续任务时,知识积累才真正参与认知演化。

42.11.2 新需求与认知边界

系统不能把自己尚未掌握的知识自动解释为外部世界不存在相应事实。

例如,系统未找到某产品的认证材料,只能说明在当前检索范围和条件下,尚未获得足以确认认证情况的材料。

这可能产生新的需求:

  • 扩大资源范围。

  • 核对型号与认证编号。

  • 查询权威公开记录。

  • 检查资料是否存在时间限制。

  • 判断当前资源是否足以支持结论。

如果后续仍然没有获得证据,系统应保留“尚无法确认”的状态,而不能将其直接转化为“该产品没有认证”。

因此,新需求生成必须同时具备问题发现能力和认知边界管理能力。

42.11.3 新需求不应无限扩张

知识之间可能存在极其广泛的关联。如果系统把每一个潜在关联都转化为需求,就会形成无边界的任务扩张。

为了避免这种情况,系统需要设置需求生成边界:

  • 需求必须与当前任务或已识别的知识变化存在明确联系。

  • 需求必须有可解释的生成依据。

  • 需求必须具有明确的目标对象或待解决问题。

  • 需求必须存在可执行的处理路径,或者明确记录当前缺少什么处理条件。

  • 需求必须能够判断是否完成、部分完成或受阻。

  • 需求必须考虑已有需求是否已经覆盖同一问题。

  • 对低价值或暂时无关的潜在问题,可以保留为候选,而不是立即启动执行。

这里的边界不是限制系统学习新知识,而是保证需求生成具有目标性、可控性和可追溯性。

42.12 新知识驱动的新需求生成的工程实现逻辑

工程实现应当把需求生成设计为一套具有明确输入、处理过程和输出的结构运算机制,而不是依赖某种语言模型直接生成问题。

以下是逻辑处理流程:

#chatgpt-mermaid-_r_6er_{font-family:-apple-system-body,ui-sans-serif,-apple-system,system-ui,”Segoe UI”,Helvetica,”Apple Color Emoji”,Arial,sans-serif,”Segoe UI Emoji”,”Segoe UI Symbol”;font-size:16px;fill:rgb(13, 13, 13);}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#chatgpt-mermaid-_r_6er_ .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#chatgpt-mermaid-_r_6er_ .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#chatgpt-mermaid-_r_6er_ .error-icon{fill:rgb(243, 243, 243);}#chatgpt-mermaid-_r_6er_ .error-text{fill:rgb(13, 13, 13);stroke:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6er_ .edge-thickness-normal{stroke-width:1px;}#chatgpt-mermaid-_r_6er_ .edge-thickness-thick{stroke-width:3.5px;}#chatgpt-mermaid-_r_6er_ .edge-pattern-solid{stroke-dasharray:0;}#chatgpt-mermaid-_r_6er_ .edge-thickness-invisible{stroke-width:0;fill:none;}#chatgpt-mermaid-_r_6er_ .edge-pattern-dashed{stroke-dasharray:3;}#chatgpt-mermaid-_r_6er_ .edge-pattern-dotted{stroke-dasharray:2;}#chatgpt-mermaid-_r_6er_ .marker{fill:rgb(143, 143, 143);stroke:rgb(143, 143, 143);}#chatgpt-mermaid-_r_6er_ .marker.cross{stroke:rgb(143, 143, 143);}#chatgpt-mermaid-_r_6er_ svg{font-family:-apple-system-body,ui-sans-serif,-apple-system,system-ui,”Segoe UI”,Helvetica,”Apple Color Emoji”,Arial,sans-serif,”Segoe UI Emoji”,”Segoe UI Symbol”;font-size:16px;}#chatgpt-mermaid-_r_6er_ p{margin:0;}#chatgpt-mermaid-_r_6er_ .label{font-family:-apple-system-body,ui-sans-serif,-apple-system,system-ui,”Segoe UI”,Helvetica,”Apple Color Emoji”,Arial,sans-serif,”Segoe UI Emoji”,”Segoe UI Symbol”;color:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6er_ .cluster-label text{fill:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6er_ .cluster-label span{color:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6er_ .cluster-label span p{background-color:transparent;}#chatgpt-mermaid-_r_6er_ .label text,#chatgpt-mermaid-_r_6er_ span{fill:rgb(13, 13, 13);color:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6er_ .node rect,#chatgpt-mermaid-_r_6er_ .node circle,#chatgpt-mermaid-_r_6er_ .node ellipse,#chatgpt-mermaid-_r_6er_ .node polygon,#chatgpt-mermaid-_r_6er_ .node path{fill:rgb(222, 234, 251);stroke:rgb(83, 154, 248);stroke-width:1px;}#chatgpt-mermaid-_r_6er_ .rough-node .label text,#chatgpt-mermaid-_r_6er_ .node .label text,#chatgpt-mermaid-_r_6er_ .image-shape .label,#chatgpt-mermaid-_r_6er_ .icon-shape .label{text-anchor:middle;}#chatgpt-mermaid-_r_6er_ .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#chatgpt-mermaid-_r_6er_ .rough-node .label,#chatgpt-mermaid-_r_6er_ .node .label,#chatgpt-mermaid-_r_6er_ .image-shape .label,#chatgpt-mermaid-_r_6er_ .icon-shape .label{text-align:center;}#chatgpt-mermaid-_r_6er_ .node.clickable{cursor:pointer;}#chatgpt-mermaid-_r_6er_ .root .anchor path{fill:rgb(143, 143, 143)!important;stroke-width:0;stroke:rgb(143, 143, 143);}#chatgpt-mermaid-_r_6er_ .arrowheadPath{fill:rgb(143, 143, 143);}#chatgpt-mermaid-_r_6er_ .edgePath .path{stroke:rgb(143, 143, 143);stroke-width:1px;}#chatgpt-mermaid-_r_6er_ .flowchart-link{stroke:rgb(143, 143, 143);fill:none;}#chatgpt-mermaid-_r_6er_ .edgeLabel{background-color:rgb(252, 252, 252);text-align:center;}#chatgpt-mermaid-_r_6er_ .edgeLabel p{background-color:rgb(252, 252, 252);}#chatgpt-mermaid-_r_6er_ .edgeLabel rect{opacity:0.5;background-color:rgb(252, 252, 252);fill:rgb(252, 252, 252);}#chatgpt-mermaid-_r_6er_ .labelBkg{background-color:rgba(252, 252, 252, 0.5);}#chatgpt-mermaid-_r_6er_ .cluster rect{fill:rgb(243, 243, 243);stroke:rgba(0, 0, 0, 0.1);stroke-width:1px;}#chatgpt-mermaid-_r_6er_ .cluster text{fill:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6er_ .cluster span{color:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6er_ div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:-apple-system-body,ui-sans-serif,-apple-system,system-ui,”Segoe UI”,Helvetica,”Apple Color Emoji”,Arial,sans-serif,”Segoe UI Emoji”,”Segoe UI Symbol”;font-size:12px;background:rgb(243, 243, 243);border:1px solid rgba(0, 0, 0, 0.1);border-radius:2px;pointer-events:none;z-index:100;}#chatgpt-mermaid-_r_6er_ .flowchartTitleText{text-anchor:middle;font-size:18px;fill:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6er_ rect.text{fill:none;stroke-width:0;}#chatgpt-mermaid-_r_6er_ .icon-shape,#chatgpt-mermaid-_r_6er_ .image-shape{background-color:rgb(252, 252, 252);text-align:center;}#chatgpt-mermaid-_r_6er_ .icon-shape p,#chatgpt-mermaid-_r_6er_ .image-shape p{background-color:rgb(252, 252, 252);padding:2px;}#chatgpt-mermaid-_r_6er_ .icon-shape .label rect,#chatgpt-mermaid-_r_6er_ .image-shape .label rect{opacity:0.5;background-color:rgb(252, 252, 252);fill:rgb(252, 252, 252);}#chatgpt-mermaid-_r_6er_ .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#chatgpt-mermaid-_r_6er_ .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#chatgpt-mermaid-_r_6er_ .node .neo-node{stroke:rgb(83, 154, 248);}#chatgpt-mermaid-_r_6er_ [data-look=”neo”].node rect,#chatgpt-mermaid-_r_6er_ [data-look=”neo”].cluster rect,#chatgpt-mermaid-_r_6er_ [data-look=”neo”].node polygon{stroke:url(#chatgpt-mermaid-_r_6er_-gradient);filter:drop-shadow( 1px 2px 2px rgba(185,185,185,1));}#chatgpt-mermaid-_r_6er_ [data-look=”neo”].swimlane.cluster rect{filter:none;}#chatgpt-mermaid-_r_6er_ [data-look=”neo”].node path{stroke:url(#chatgpt-mermaid-_r_6er_-gradient);stroke-width:1px;}#chatgpt-mermaid-_r_6er_ [data-look=”neo”].node .outer-path{filter:drop-shadow( 1px 2px 2px rgba(185,185,185,1));}#chatgpt-mermaid-_r_6er_ [data-look=”neo”].node .neo-line path{stroke:rgb(83, 154, 248);filter:none;}#chatgpt-mermaid-_r_6er_ [data-look=”neo”].node circle{stroke:url(#chatgpt-mermaid-_r_6er_-gradient);filter:drop-shadow( 1px 2px 2px rgba(185,185,185,1));}#chatgpt-mermaid-_r_6er_ [data-look=”neo”].node circle .state-start{fill:#000000;}#chatgpt-mermaid-_r_6er_ [data-look=”neo”].icon-shape .icon{fill:url(#chatgpt-mermaid-_r_6er_-gradient);filter:drop-shadow( 1px 2px 2px rgba(185,185,185,1));}#chatgpt-mermaid-_r_6er_ [data-look=”neo”].icon-shape .icon-neo path{stroke:url(#chatgpt-mermaid-_r_6er_-gradient);filter:drop-shadow( 1px 2px 2px rgba(185,185,185,1));}#chatgpt-mermaid-_r_6er_ .node text{font-size:14px;font-weight:600;letter-spacing:normal;fill:rgb(0, 79, 153);}#chatgpt-mermaid-_r_6er_ .edgeLabels text{font-size:13px;font-weight:600;letter-spacing:-0.08px;fill:rgb(0, 79, 153);}#chatgpt-mermaid-_r_6er_ .node tspan[font-weight=”normal”],#chatgpt-mermaid-_r_6er_ .edgeLabels tspan[font-weight=”normal”]{font-weight:600;}#chatgpt-mermaid-_r_6er_ .edgeLabel .label rect{opacity:1;rx:13px;ry:13px;fill:rgb(245, 250, 255);stroke:rgb(206, 219, 229);stroke-width:1px;}#chatgpt-mermaid-_r_6er_ .node rect,#chatgpt-mermaid-_r_6er_ .node circle,#chatgpt-mermaid-_r_6er_ .node ellipse,#chatgpt-mermaid-_r_6er_ .node polygon,#chatgpt-mermaid-_r_6er_ .node path{fill:rgb(229, 243, 255);stroke:rgba(0, 0, 0, 0.1);stroke-width:1px;}#chatgpt-mermaid-_r_6er_ .node rect{rx:16px;ry:16px;}#chatgpt-mermaid-_r_6er_ .node.mermaid-decision .label-container{fill:rgb(245, 250, 255);stroke:rgb(206, 219, 229);stroke-dasharray:2,2;}#chatgpt-mermaid-_r_6er_ .edgePaths .flowchart-link{stroke:rgb(143, 143, 143);stroke-width:1px;stroke-linecap:round;stroke-linejoin:round;}#chatgpt-mermaid-_r_6er_ .marker{fill:rgb(143, 143, 143);stroke:rgb(143, 143, 143);}#chatgpt-mermaid-_r_6er_ :root{–mermaid-font-family:-apple-system-body,ui-sans-serif,-apple-system,system-ui,”Segoe UI”,Helvetica,”Apple Color Emoji”,Arial,sans-serif,”Segoe UI Emoji”,”Segoe UI Symbol”;}新资料或知识变化识别语义内容与来源形成或更新知识结构比较新旧知识识别变化类型分析实际依赖与影响范围是否存在真实知识缺口?记录变化,不生成新需求形成候选需求检查依据、对象、条件与完成标准检查重复、合并与拆分建立需求关系与优先级进入动态语义需求库执行需求任务核验处理结果更新知识、证据与结论状态是否出现新的知识缺口?完成当前需求闭环否是是否

这一流程中的每一步都应有明确的输入和输出。

42.12.1 输入

输入可以包括:

  • 新增或更新的知识单元。

  • 对象、属性、关系和条件的变化。

  • 新增、撤回或修正的证据。

  • 结论状态变化。

  • 结构定义或验证规则的变化。

  • 当前任务目标和适用条件。

  • 现有需求及其状态。

  • 已记录的知识依赖关系。

这些输入不要求全部同时存在。系统应依据实际情况选择所需的输入,并明确缺少哪些必要信息。

42.12.2 处理

处理过程包括:

  • 新旧知识匹配。

  • 结构差异比较。

  • 变化类型识别。

  • 实际依赖分析。

  • 知识缺口判断。

  • 候选需求生成。

  • 需求合并与拆分。

  • 需求关系建立。

  • 完成条件检查。

  • 优先级排序。

  • 需求生成记录。

这些属于逻辑职责,不意味着必须为每项职责建立一个独立文件、数据库表或软件模块。具体工程组织应当根据现有架构、运行条件和维护要求决定。

42.12.3 输出

输出可以包括:

  • 新需求。

  • 既有需求的修订记录。

  • 需求与知识之间的关联。

  • 需求之间的依赖关系。

  • 需求优先级和处理条件。

  • 暂不生成需求的判断记录。

  • 需求生成失败或无法确定的原因。

  • 后续任务的执行条件。

系统应能够说明某项需求为什么生成,也应能够说明为什么某项知识变化没有触发新需求。

42.12.4 记录与版本管理

需求生成本身也是一个需要追溯的知识处理事件。

如果系统后来发现某项新需求生成不合理,就需要查明:

  • 当时使用了哪些知识版本。

  • 当时采用了哪些结构和规则。

  • 当时识别出了什么变化。

  • 当时认定了什么知识缺口。

  • 需求的生成依据是否完整。

  • 后续哪些结果改变了原来的判断。

因此,需求记录应与知识版本、规则版本和处理事件建立必要的关联。

需求后来被取消或替代,不意味着原来的生成记录应当消失。历史记录能够帮助系统识别错误的需求生成规则,并改进后续判断。

42.13 典型工程案例:电动牙刷认证知识触发新需求

假设WSaiOS结构智能系统正在处理某款电动牙刷的采购核验任务。

当前任务要求确认目标产品的型号、认证情况和供应商提供的相关证明是否满足采购要求。

系统已有一组初始知识:

  • 目标产品具有明确的型号标识。

  • 某份产品资料记载了认证编号。

  • 一份公开材料提供了认证信息。

  • 现有知识结构将该认证材料与目标产品建立了候选对应关系。

  • 认证是否适用于目标型号尚未得到充分确认。

在这一阶段,系统可以将认证信息作为待核验知识保留,但不应将候选对应关系直接认定为事实。

42.13.1 新知识进入系统

随后,系统获取了一份新的公开材料。

该材料显示,认证编号可能对应另一个型号,或者认证适用范围与现有产品资料中的描述存在差异。

新材料进入系统后,首先需要进行来源记录、语义识别、对象匹配和关系比较。

系统不能仅因为新材料与认证主题有关,就立即将其视为反驳证据;必须确认它是否针对同一认证、同一产品对象和相应的适用范围。

42.13.2 比较发现结构变化

经过比较,系统发现:

  • 原认证材料与目标型号之间的对应关系尚未得到确认。

  • 新材料提供了不同的型号信息。

  • 当前证据不足以证明该认证覆盖目标型号。

  • 原有结论依赖于这项尚未确认的对应关系。

这时,系统识别出的变化不是简单的“认证内容更新”,而是认证材料与目标对象之间的关系存在不确定性,且该关系影响原有结论。

42.13.3 生成新需求

系统可以生成以下需求:

需求一:目标对象核验。 确认目标产品的准确型号及其与相关产品资料的对应关系。

需求二:认证对象核验。 查明认证编号对应的产品型号、适用范围和相关限制。

需求三:证据独立性分析。 检查不同认证材料是否来自独立证据基础,避免将同一材料的重复转载误认为多份独立证据。

需求四:结论重新核验。 根据对象对应关系、认证适用范围及可获得的有效证据,重新判断现有认证结论是否成立。

需求五:需求完成条件检查。 明确哪些证据和关系必须得到确认,才能将认证状态从“待核验”转为更明确的状态。

这些需求具有不同的目标,但共同源于同一项新知识变化。

42.13.4 执行结果与后续需求

假设系统后来确认认证材料确实对应另一个型号。

那么,原有的候选对应关系应当被修正,依赖该关系的结论需要重新核验。

但是,系统仍然不能直接得出“目标产品没有认证”的结论。

正确的当前状态可能是:

现有证据不足以确认目标型号是否具有该项认证。

接下来,系统可以根据采购任务的实际要求,决定是否继续查找目标型号对应的认证材料。

如果找到新的有效材料,系统需要重新执行匹配和核验;如果仍然无法找到,则应保留证据不足的状态,并记录检索范围及其限制。

这个案例说明,新知识并非直接替系统给出最终答案,而是通过改变已有知识结构,暴露新的问题,并推动需求继续演化。

42.14 新需求生成的质量评估

新需求生成机制不能以生成需求的数量作为主要评价指标。

如果系统每获得一条新知识就生成一个需求,即使大部分需求都重复、无关或无法执行,也不能说明系统具备有效的结构智能。

质量评估应关注需求是否真正由知识变化驱动,以及它能否推动实际问题得到解决。

42.14.1 依据可追溯性

每项需求是否能够追溯到相应的新知识、知识变化或核验结果?

如果需求没有明确依据,就需要检查它是否只是由宽泛关联或无条件规则产生。

42.14.2 缺口识别准确性

系统识别的知识缺口是否真实存在?

如果已有知识已经满足需求,系统不应继续生成重复任务;如果关键证据或条件确实缺失,系统也不应因已有部分信息而错误地判定缺口已经消除。

42.14.3 需求目标明确性

需求是否具有明确的目标对象、待解决问题和完成条件?

模糊的“继续了解”“进一步分析”可以作为内部工作提示,但如果没有可判断的完成标准,就不适合作为完整的工程需求。

42.14.4 需求去重与覆盖能力

系统能否识别目标相同、条件兼容的重复需求?能否发现一个需求已经覆盖多个相近问题?能否在合并时保留必要的差异和来源?

42.14.5 依赖关系准确性

系统能否识别哪些需求必须先执行,哪些需求可以并行,哪些需求由其他需求的结果触发?

如果依赖关系错误,系统可能反复执行尚不具备前置条件的任务,或者遗漏关键核验环节。

42.14.6 需求完成有效性

需求被标记为完成后,原有知识缺口是否确实得到解决?

如果只是获取了一份资料,却没有完成对象匹配和证据核验,就不应将事实确认需求视为已经满足。

42.14.7 新需求的有效价值

新需求是否帮助系统消除真实的不确定性、改善知识结构、提高判断依据的完整性,或者明确原有知识的适用边界?

如果一项需求不断产生子需求,却没有形成可解释的进展,系统就需要检查需求拆分规则、目标设置和终止条件。

42.14.8 认知边界的正确表达

系统能否区分:

  • 已确认的知识。

  • 尚待核验的知识。

  • 尚未获得的资料。

  • 存在冲突的材料。

  • 当前无法解决的问题。

  • 由于资源或规则限制而无法完成的需求。

这是避免系统将未知误判为事实、将检索失败误判为不存在的重要条件。

42.15 新知识驱动的新需求生成的工程原则

为了保证该机制与WSaiOS结构智能的整体理论一致,工程实现应遵守以下原则。

第一,知识变化驱动原则。 新需求应有明确的知识变化、任务目标或核验结果作为依据,不能为了制造任务而生成任务。

第二,结构优先原则。 先识别对象、属性、关系、条件、证据和状态,再判断是否存在缺口。

第三,需求与知识分离原则。 知识描述系统掌握或待核验的内容,需求描述系统需要解决的问题,两者通过关系连接。

第四,真实缺口原则。 未知信息只有在当前任务或已识别的问题中具有实际作用时,才应转化为相应需求。

第五,依据可追溯原则。 每项需求都应能够说明生成来源、触发变化、判断依据和完成条件。

第六,依赖关系原则。 影响传播和需求生成应依据实际结构关系与依赖关系,不得把所有语义相关内容无差别地纳入处理。

第七,状态分离原则。 知识状态、需求状态、证据状态和结论状态必须分别表达,不能相互替代。

第八,冲突保留原则。 新知识与已有知识存在冲突时,应保留差异并进行核验,不得简单地以新替旧或以数量决定正确性。

第九,需求边界原则。 新需求必须具有合理目标和处理边界,避免知识关联无限扩张为无穷无尽的任务。

第十,动态结构原则。 结构定义可以随着实际知识缺口而扩展或修正,但不能为某个行业预先硬编码全部字段和关系。

第十一,结果反馈原则。 需求执行结果必须反馈到知识结构、证据关系、结论状态和后续需求管理中。

第十二,历史保留原则。 需求修订、合并、拆分、取消和替代都应保留必要的历史依据,保证系统能够解释需求为何变化。

第十三,独立核验原则。 新需求的生成依据与需求最终完成所需的证据应当区分。需求有充分理由生成,不代表其目标主张已经成立。

第十四,非大模型依赖原则。 新需求生成建立在结构定义、关系识别、比较、计算、判断、匹配、排序和验证等明确运算之上,不以大模型生成的问题作为核心机制。

42.16 新知识驱动的新需求生成与WSaiOS-SI整体理论的衔接

新需求生成不是动态语义库中孤立的功能,而是WSaiOS结构智能知识演化机制的重要组成部分。

它与WSaiOS-SI的基本概念和运算形成以下衔接。

42.16.1 与元素、对象和结构的关系

新知识首先表现为新的元素、对象、属性、取值或关系。

系统通过比较和匹配,识别新知识与已有结构之间的关系;再根据结构差异判断是否存在知识缺口。

因此,需求生成不是脱离知识结构的自由推演,而是由元素、对象、属性和关系所支持的结构判断。

42.16.2 与EOM的关系

EOM,即Elements–Objects–Methods,强调元素、对象与方法之间的组织关系。

新知识可能带来新的元素和对象,也可能改变已有对象的属性、关系或适用条件。

当这些变化影响已有方法的输入条件、适用范围或执行结果时,系统可能生成方法核验、方法修订或方法改进需求。

这里必须区分:

  • 元素和对象的变化。

  • 方法定义的变化。

  • 能力结构的变化。

  • 行为或执行结果的变化。

它们之间可能存在依赖,但不是同一个概念。

42.16.3 与需求—知识—结构—运算链的关系

新知识驱动的新需求生成,进一步扩展了WSaiOS-SI的学习逻辑:

需求推动知识查找;知识经过结构化后形成可运算的知识结构;运算识别知识缺口与关系变化;知识缺口生成新的需求;新需求继续推动知识查找和结构完善。

这使学习过程从单向的需求响应转变为具有反馈机制的循环过程。

42.16.4 与认知和决策的关系

需求生成属于认知过程中的问题发现与目标形成环节。

它为后续认知判断提供明确的问题对象,为决策提供待解决事项,为方法选择提供执行目标。

但需求生成本身不等于决策。系统可以识别出某项问题值得处理,却仍需根据任务约束、资源条件和风险要求决定何时执行、执行到什么程度,以及是否接受暂时无法解决的结果。

42.16.5 与学习和演化的关系

新需求的生成,使学习系统能够从新知识中发现后续学习方向。

如果某项新需求反复出现,系统可以进一步分析:

  • 是否缺少某类必要知识。

  • 是否存在结构定义不足。

  • 是否需要改进匹配或验证规则。

  • 是否存在稳定的来源依赖问题。

  • 是否需要调整需求生成条件。

  • 是否需要建立新的方法或能力结构。

当这些改进能够反映到知识结构、方法结构和需求规则中时,系统才真正形成了从知识变化到学习方向调整的演化机制。

42.17 本章总结

新知识驱动的新需求生成,是动态语义库由知识获取与维护走向持续认知演化的重要机制。

新资料进入系统之后,需要经过语义识别、结构组织、对象匹配、关系分析和必要的证据核验,才能确定它是否形成了实质性的新知识变化。系统进一步比较新旧知识,分析变化的实际影响,识别任务相关的知识缺口,再将这些缺口转化为具有明确目标、依据、条件和完成标准的新需求。

这一过程需要严格区分新资料与新知识、知识与需求、需求与结论、需求生成与需求完成、语义相关与实际依赖。只有保持这些概念之间的边界,系统才能避免重复需求、无效任务、错误影响传播和无边界的需求扩张。

新需求生成也不意味着系统必须把每一个未知问题都立即执行。系统需要根据当前任务、真实缺口、依赖关系、执行条件和资源限制,确定需求是否成立、如何拆分、如何排序,以及何时完成、暂停、修订或终止。

从WSaiOS结构智能的整体理论看,新知识驱动的新需求生成将知识结构与需求结构连接起来,使知识变化能够转化为新的学习方向,使需求执行结果能够继续影响知识组织和后续判断。

由此形成完整的动态演化链:

需求 → 知识查找 → 语义识别 → 结构形成 → 知识比较 → 变化识别 → 缺口判断 → 新需求生成 → 任务执行 → 结果核验 → 知识更新 → 再次生成需求。

这条链路不依赖大模型生成逻辑,而是建立在明确的结构对象、语义关系、知识依赖和基础运算之上。

本章的核心结论是:新知识的价值不仅在于扩充系统已经掌握的内容,还在于使系统能够识别原有知识结构尚未解决的问题,并据此生成有依据、可追踪、可执行、可验证的新需求。

只有当新知识能够推动需求结构合理演化,需求执行又能够反过来改善知识结构,动态语义库才真正形成持续学习与自我演化的闭环。

Leave a Reply

Your email address will not be published. Required fields are marked *

客服咨询
● 欢迎咨询与合作
您好!欢迎咨询。 我可以帮助您了解人工智能技术研发、智能软件系统开发、网站建设、搜索优化及项目定制等相关信息。 请问有什么可以帮您?
免费申请
请填写以下信息,方便我们进一步沟通。
欢迎咨询 AI 系统开发、网站建设、搜索优化、项目定制合作
电话:15089196448
邮箱:1602401899@qq.com
地址:陕西省渭南市
服务时间:周一至周五 09:00 - 18:00 | 7×24小时技术值守