本体协作平台
M 1 · S10 · 横向 · 未建

外部数据

判据:至少关联 1 条知识——配对才有目标已关联知识 0 项下一步 → 字段对照
这页怎么用 · 30 秒看懂
这页的结构
切片
你现在梳理的业务范围
板块 ×5
知识按来源分成五块,逐块点进去
知识点
AI 从文档里抠出的一条条知识

板块里的虚线分组框只是把同类知识摆在一起方便扫视,不用管它。「实现层×N」灰徽章是系统实现细节,已替你折叠,不需要你确认

你要做的三件事(每个板块过一遍)
1
看结构:这块知识齐不齐、对不对
点进板块,扫一遍里面的知识点。整体没大问题 → 点右侧 ✓ 结构无误,这个板块就算完成。
2
挑错:AI 归类错了就改
点开某个知识点,发现放错了地方 → 点 归类有误?改 换个标签存上。拿不准就保持「待定」,不要硬猜
3
补漏:想到什么没被写进来
凭你的业务经验,这块明明还有的知识图里没有 → 在板块面板输入一句话,点 +这里缺了…。写个名字就行,详细定义下一阶段再补。
五个板块都点过「结构无误」,这一页的活就干完了,进入下一段:名词定义。顺序建议:先「业务流程」搭骨架,最后清「待分类」(前面看完了再回来对号入座会快很多)。不强制,可跳着来。拿不准怎么归类?查「簇判定手册」(ontology-kb/簇判定手册.md)的判别问题——每个分类一个 10 秒测试。
知识脑图

知识脑图目前仅对 S02 试点开放,本切片暂沿用下方卡片列表。

本切片知识输入 · 两条路径
本切片文档 · 0

还没有挂 S10 标签的文档。全部文档见侧栏「知识库 → 文档库」。

本切片知识卡片 · 5
  • 规则DOC-2026-020#p53待审核

    birthPlace 派生自 TempatTglLahir,从合并串中拆字母段得到出生地。

  • 规则DOC-2026-020#p53待审核

    birthDate 派生自 TempatTglLahir,出生日期格式 YYYY-MM-DD,从合并串拆数字段并校验 isValidBirthDate。

  • 规则DOC-2026-020#p53待审核

    前端字段 gender 对应后端 JenisKelamin,性别映射:LAKI-LAKI→[M]、PEREMPUAN→[F],否则为[]。

  • 定义DOC-2026-020#p53待审核

    前端字段 idNumber 对应后端原始字段 NIK,语义为身份证号(Nomor Induk Kependudukan)。

  • 定义DOC-2026-020#p52待审核

    OcrResult 源模型为 models/ocrResult.js,入参 row 来自 KTP OCR 识别,字段为印尼语原字段名。

从知识库关联本切片知识(引用制,多对多——其他切片核实过的直接复用)
名词 · 已关联 0
规则/铁律 · 已关联 0
状态维 · 已关联 0

关联 = 引用,不是搬运:知识实体只在登记册存一份,✓ 已核实标志随实体带出。 落盘 02_切片/外部数据/知识引用.yaml。语义配对以此处名词为目标。

还没有脑图,先去「结构确认」生成脑图。