1. 摘要

中大型日护电商品牌的渠道运营异常解释，需要处理 SKU、listing、渠道、库存、履约、评论、活动、历史复盘、规则、假设和证据之间的局部依赖网络。普通候选检索可以帮助发现相近材料；依赖、反证、过期状态、审计状态和回源位置需要进入显式结构。

本书以设计科学研究方法论的前半段为主线，先建立公开事实、问题边界和认识论约束，再推导源感知知识表面、图查询、结构校验、SOP 和审计机制的资格。大语言模型、code agent 或新接手员工都被视为无状态认知实体：它们可以按 SOP 整理材料、声明关系和生成报告，但不能凭空推出企业内部领域知识、真实需求和审查结论。

本书定义一种可观察的知识维护人工制品：运营材料进入结构化源文档，源文档投影为可查询图表面，查询返回异常相关局部上下文，校验和 reviewer 审计防止假设伪装成事实，报告带源坐标回到可修改位置。这个对象服务问题建模、研究审查和演示样例设计。

前言

渠道运营异常解释的困难，来自材料持续进入、指标互相牵连、旧复盘可能过期、候选原因需要证据、执行体缺少项目情景记忆。一个可维护的异常解释体系，需要把事实、假设、未知、证据、关系、审查状态和回源位置放入同一公共表面。

甲方题面要求设计企业效率提升 Agent 方案。这个要求在本书中被归入问题建模、知识外化、异常解释、相关上下文范围收缩和审计机制。Agent、模型、code agent 或员工都是执行体。它们按作业规程处理材料，写出的知识条目进入同一审查表面。

AsciiDoc 在这里承担书稿源表面。标题、交叉引用、描述列表、表格、代码块、术语表、参考文献和索引共同承担阅读、定位、维护和审查职责。书中的术语优先来自公共学术传统、软件工程传统和电商运营语境。

2. 读者与阅读路径

本书面向三类读者。后续执笔作者通过本书恢复问题链、事实边界、术语纪律、SOP 和验收条件；研究审查者通过本书检查事实来源、推断资格、工具资格、风险控制和任务要求覆盖；未来维护者通过本书维护目录、交叉引用、术语表、索引、查询模式和审查清单。

本书不面向通用 AI 科普读者。读者可以具备电商运营、软件工程、知识工程或研究方法论中的任一背景；书内不会假定读者已经读过任何私有材料包或本地工具说明。私有材料进入正文时，必须转化为书内定义、公共文献坐标或自包含附录。

检视阅读路径由摘要、前言、七个 Part 导言、完成声明与优秀声明 和 附录 A：任务要求覆盖矩阵 组成。分析阅读路径从 任务要求是验收面 顺序读到 完成声明与优秀声明，因为后文的工具、SOP 和演示边界依赖 事实、推断与未知边界、无状态认知实体 和 概念依赖与异常解释。主题阅读路径从术语表和索引进入，再沿交叉引用回到首次定义章节。

Part I: 任务、场景与事实边界

本部建立事实地基。外部任务要求提供验收面；植护公开资料提供场景事实；事实、推断和未知边界决定后续推导能够走到哪里。

3. 任务要求是验收面

本书的外部任务要求可以概括为：围绕企业办公或运营场景，设计一个使用 AI 提升效率的 Agent 或工作流方案，并说明场景、目标、工作流、关键 Prompt、工具选择、效果验证、风险规范和可选加分项。这个任务要求在本书中承担验收面。

题面中的八类内容分别对应不同的审查动作。场景说明要求作者能描述真实问题；Agent 目标要求作者能说明期望产出；工作流设计要求作者能把问题拆成可执行动作；Prompt 示例要求作者给出可被执行体消费的作业规程；工具选择要求作者知道模型和工具的能力边界；效果验证要求作者说明如何观察有用性；风险规范要求作者处理安全、隐私、合规和错误责任；加分项要求作者用样例、接口调用、知识库设计或测试记录证明方案不是空话。

任务要求 本书中的对象 审查问题

场景说明

渠道运营异常解释

问题是否来自可观察业务摩擦，而不是工具偏好

Agent 目标

执行体辅助知识维护

期望产出是否是待审源表面和证据化报告，而不是自动决策

工作流设计

数据取得、源表面转写、图投影、查询、校验、审查、报告

动作是否能由人执行，再由执行体降低成本

Prompt 示例

SOP / 模型消费表面

输入、动作、输出、禁止项和审查状态是否明确

模型或工具选择

全文检索、ADOC、RDF、SPARQL、SHACL、成熟 Agent Runtime

工具是否缩小明确状态差

效果验证方式

样例闭合验证与业务价值指标

有用性是否可观察

风险与规范

认识论状态、审查状态、来源、合规和授权边界

错误是否能被发现、定位和处理

可选加分项

代表性夹具、命令输出、查询模式、校验报告、SOP 迭代面

演示是否证明它声称证明的对象

这些要求按照问题的概念依赖进入正文。问题世界、事实边界和认识论约束先成立，工作流、SOP、工具和验证再取得位置。Agent 目标、工作流、Prompt 和工具选择都服务已经定义的问题。

题面可以归入设计科学研究方法论的前半段。第一步是识别问题并说明动机：渠道运营异常解释为什么是植护这类企业的真实效率摩擦。第二步是定义期望状态：异常出现后，相关上下文范围应当被缩小，证据、反证、未知项和源位置应当可见。第三步是推导可用算子：源文档、图查询、结构校验、SOP、执行体和 reviewer 审计。

设计科学研究方法论（Design Science Research Methodology, DSRM）在本书中承担研究位置标定。Hevner 等人的设计科学研究传统强调人工制品构造与评价之间的知识生产关系；Peffers 等人的 DSRM 明确区分问题识别、目标定义、设计开发、演示、评价和沟通等活动。[hevner-dsr][peffers-dsrm] 本书主要处在问题识别与目标定义之间，并用第六部的演示样例说明一个代表性人工制品如何被观察。这个位置限制了书稿的口径：它可以定义问题、状态差、算子资格和演示边界，不能冒充企业内部实施结果。

题面中的 Prompt 要求在这里落为 SOP。SOP 是人和无状态认知实体都能读取的作业规程。模型消费 SOP 时，它在接口表面上表现为 Prompt；人消费 SOP 时，它表现为操作说明。SOP 的质量来自输入、动作、输出、禁止项、证据要求和审计状态。

题面中的 Agent 进入执行体位置。Agent、code agent、普通员工、新接手项目的人，都可以按 SOP 读取材料、整理事实、声明关系、生成报告。条目是否可信，由证据状态、审查状态和回源坐标决定。

任务要求最终进入 覆盖矩阵。覆盖矩阵逐条回答：场景在哪里，目标在哪里，工作流在哪里，SOP 在哪里，工具选择在哪里，验证在哪里，风险在哪里，加分项在哪里。正文主线服从问题的概念依赖：植护公开事实 给出场景地基，无状态认知实体 给出执行体边界，状态差与算子资格 给出工具准入理由，SOP 作为模型消费表面 覆盖题面中的 Prompt 要求。

4. 植护公开事实

公开资料提供场景体量、品类结构、渠道复杂度和出海压力的判断依据。内部系统结构、真实运营数据和审查流程需要企业内部材料支持。

植护官网给出若干基础事实。官网称植护秉承“植物护养，天生滋润”的品牌理念，开发出生活用纸、母婴用品等上百种日护产品；官网还记录，2014 年 10 月植护上架第一条商品链接，开启日护产品线上销售，产品覆盖各大主流平台，全网用户数超过 8000 万。官网的产品系列展示包括生活用纸、家居清洁、个人护理和母婴洗护。[zhihu-official]

这些事实支持一个基本判断：植护是以日护产品为核心、依赖线上渠道、拥有多品类和多平台展示面的品牌企业。它的运营问题位于平台基础设施和个人店铺手工运营之间。

品玩关于植护出海的报道提供了跨境和本土化事实。该报道称植护由福建创业团队于 2014 年创立，十年间成长为年销售额超过 50 亿元的日化企业；2023 年底植护正式开启国际化进程，以 TikTok 为核心平台探索海外市场，一年多跨境电商和海外业务实现约 2 亿元营收，并选择以东南亚为主、欧洲为辅的发展策略。报道还写到，出海以后企业需要思考哪些问题必须在海外市场实现，哪些可以在国内完成。[pingwest-overseas]

这个报道支持第二个判断：出海让市场偏好、语言、平台内容生态、履约方式、仓配成本、区域规则和本土化反馈进入同一个问题世界。渠道异常解释需要同时处理销售数字、内容、履约、评价、市场偏好和历史假设。

品玩关于 Shopee 本地化履约的报道进一步说明履约对日护纸品的重要性。该报道称纸品作为“抛货”面临体积大、物流成本压力明显等问题；植护在 Shopee 平台使用本地化履约服务后，订单平均配送时效压缩至 2 至 3 天，店铺评分长期稳定在 4.8 至 4.9。[pingwest-shopee-logistics]

这些事实支持第三个判断：对植护这类日护电商品牌，履约方式、配送时效、评分、用户体验和渠道表现之间存在可研究的依赖。某个渠道出现转化率下降、评分波动或退款增加时，异常解释可能需要同时查广告、价格、仓配、时效和评论主题。

36 氪企业号发布的植护与好衣库合作采访稿提供了渠道和供应链侧材料。该材料具有品牌传播和企业叙事性质，证据权重低于官网事实和独立研究报告；本书只使用其中与渠道协同、货盘、活动排期、营销素材、物流支持、基地和前置仓布局相关的场景线索。[kr36-haoyiku]

这些材料支持第四个判断：植护的运营事实并不只存在于销售看板。货盘、活动排期、营销素材、物流协同、渠道规则和私域玩法都可能成为异常解释的上下文。若这些材料散落在渠道系统、表格、会议纪要和人的经验里，异常出现时就会产生查找成本。

公开资料还显示东南亚电商本身具有履约、供应链和内容生态竞争。2026 年公开行业文章引用 Momentum Works 数据称，2025 年东南亚平台电商 GMV 达到 1576 亿美元，Shopee、TikTok Shop 和 Lazada 合计占平台 GMV 的绝大部分；文章还指出竞争正从补贴、低价和流量转向履约、供应链、内容生态和商家效率。[tmtpost-sea-ecommerce]

该资料提供行业背景。植护选择东南亚作为重点海外市场时，履约、内容平台、供应链和商家效率进入候选上下文。渠道异常解释需要从单个销售指标扩展到这些相邻材料。

这些公开事实的使用范围有三条。第一，公开报道中的数字和表述作为公开资料坐标。第二，公开资料支持场景体量和问题方向；植护内部数据字段、指标阈值和真实 SOP 需要内部材料。第三，媒体报道之间若口径不完全一致，正文采用它们共同支持的稳健判断。这个用法在 事实、推断与未知边界 中被进一步约束。

5. 事实、推断与未知边界

后续推导区分三类命题：公开事实、高置信推断和不可推断内容。公开事实要求来源；高置信推断要求说明推断链；不可推断内容保持未知状态。

类别 进入书稿的条件 例子

公开事实

来自官网、公开报道、公开行业资料或公开工具文档，并记录来源和访问日期

植护官网记录其产品覆盖主流平台、全网用户数超过 8000 万；公开报道记录其出海和履约材料

高置信推断

由公开事实、行业常识和理论框架共同支持，并明确写出推断边界

多平台、多品类、跨境运营会产生多来源运营材料；异常解释需要跨指标、规则、复盘和证据查找上下文

不可推断内容

缺少企业内部资料、访谈、真实样本或系统接口，外部观察无法推出

植护内部异常分类、ERP 字段、真实指标阈值、真实 SOP、真实组织授权、真实 reviewer 流程

公开事实建立场景。植护官网和媒体报道支持三个判断：植护是多品类、多平台、有跨境压力的日护电商品牌；纸品和日护品受履约、评价、价格、内容和复购影响；东南亚出海把本土化、履约和内容渠道放进问题世界。某个真实 SKU 在某天转化下降的原因、某个内部负责人如何审查异常报告，属于内部事实。

高置信推断建立问题方向。多平台、多品类、多市场运营意味着运营材料不可能天然存在于单一语义表面。销售、转化、库存、履约、评论、活动、广告和复盘之间存在业务依赖。新人或无状态认知实体缺少项目情景记忆时，无法可靠知道某条异常应查哪些材料。这些推断属于由公开事实和电商运营结构支持的问题建模判断。

不可推断内容建立边界。内部受控词表、真实 SOP、真实字段、真实接口、真实组织职责和真实审查阈值，需要企业内部访谈、系统盘点、样本数据和历史复盘才能确定。外部书稿若把这些未知内容写成确定设计，就会让无状态认知实体猜企业领域知识和需求。

这个边界直接影响演示样例。演示可以使用代表性夹具说明一个合理的异常解释流程，例如某渠道某 SKU 转化下降、库存可售天数下降、评论出现发货慢主题、旧复盘提示履约影响评分。演示材料的身份是方法夹具；企业内部事实需要内部材料。

这个边界也影响工具选择。全文检索、ADOC、RDF、SPARQL、SHACL 和 code agent 作为缩小状态差的算子出现。工具能帮助查、写、投影、校验和报告；事实来源仍由公开资料、内部资料、审查和源坐标承担。工具的正当性来自它们服务的消费者动作。

后续每个主张都落入三类之一。事实给来源；推断给推断链和适用范围；未知归档为待内部调研或演示夹具边界。未知保持未知，未来可能保持未来可能，运行成功只证明实现物出现。

这个边界为后文提供两条前提。第一，无状态认知实体 不能被要求从通用语义知识中推出植护内部事实。第二，基本流演示边界 只能使用代表性夹具展示方法，不能把夹具材料提升为企业事实。事实、推断和未知三分法是全书防止有损压缩和事实污染的最低语义边界。

Part II: 无状态认知实体与知识外化边界

本部建立执行体的认识论边界。大语言模型、code agent 和新接手员工都可能拥有通用语义能力，但缺少项目情景记忆。企业若希望这些执行体参与异常解释，必须把 事实、推断和未知、领域事实、需求、规则、证据、假设和审查状态外化为可读、可查、可审的公共表面。

6. 无状态认知实体

无状态认知实体是具备通用语义解析和推理能力、但缺乏当前项目情景记忆的执行实体。它可以理解自然语言、识别一般电商概念、执行作业规程、整理材料、生成候选结构和写报告；企业内部的历史决策、隐性规则、真实指标阈值、组织授权和未公开复盘需要由外部材料提供。

这个定义同时覆盖两类执行体。第一类是新会话中的大语言模型、code agent、受委派的子执行体或外部模型 API。它们可能拥有大量通用语义知识，但对当前项目没有连续记忆。第二类是新接手项目的人类员工、临时协作者或长期离开后回归的维护者。他们同样可能懂电商、运营、数据和文档，但缺少项目情景。

Tulving 对长时记忆的区分提供了稳定坐标。语义记忆指去情境化的词汇、概念和一般知识；情景记忆指特定时间、地点、事件和个人经历的记忆。[tulving-episodic-semantic] 无状态认知实体的主要缺口是项目情景记忆。它知道“转化率”“SKU”“库存可售天数”“平台活动”这些一般概念；植护某个渠道的活动规则、某个 SKU 的旧复盘或某条内部口径为什么成立，则需要项目情景材料。

编码特异性原则和上下文依赖记忆进一步说明，记忆调用依赖编码时的线索和当前情境之间的匹配。[tulving-thomson-encoding][godden-baddeley-context] 对大语言模型而言，缺少项目上下文时，它会回到训练分布中常见的表达和行业套路；对新员工而言，缺少交接材料时，他会依赖一般经验和口头追问。这两种行为都可能产出流畅但不可靠的解释。

这个定义把作者身份从知识状态中拆开。条目由资深员工、新员工、code agent 或外部模型写出，只说明写入来源，不说明条目已经可靠。可靠性来自来源、证据、状态、审查和回源坐标。这个拆分让审查制度不围绕作者类型摇摆，也让人和模型进入同一知识维护纪律。

在渠道运营异常解释中，这个缺口直接造成成本。某个 listing 转化率下降时，执行体可能知道常见原因包括价格、库存、评价、广告和竞品活动。但它不知道当前企业是否刚刚改过主图，是否有仓配时效变化，是否有历史复盘说明某市场对包装规格敏感，是否有规则禁止把某类猜测写成结论。没有这些项目情景，它只能猜。

项目情景材料的缺失不能用“更强模型”直接补足。更强模型可以更好地读长文本、组织候选解释、比较证据和生成报告，但它仍然需要材料进入上下文。若历史复盘、指标口径、组织授权和规则例外没有外化，执行体只能把一般行业经验投射到当前问题。这个限制使 知识外化与认识论状态 成为设计前提。

因此，本书把执行体放在同一审查框架下。人写的知识条目和模型写的知识条目，只要没有经过 reviewer 审查，都不是已接受知识。审查状态绑定条目，不绑定作者类型。这个规则避免两种错误：一是因为内容由模型生成就把它视为特殊污染物；二是因为内容由人撰写就跳过证据和审查。

无状态认知实体的正当参与点，是在明确上下文和 SOP 约束下承担语义劳动。它可以把原始材料转写为源文档，可以提出候选关系，可以把查询结果组织成报告，可以列出未知项和待确认事项。企业事实、已接受结论、组织授权和业务责任由证据、审查和责任主体承担。这个边界在 领域知识与需求的来源边界 中转化为需求工程约束，并在 SOP 作为模型消费表面 中转化为执行规程。

7. 领域知识与需求的来源边界

需求工程中的世界/机器区分说明，需求满足不是愿望自动成立，也不是实现物单独产生的结果。Zave 与 Jackson 使用 Domain ∧ Specification ⊨ Requirements 表达领域事实、可控规约和需求之间的结构关系。[zave-jackson-dark-corners] 领域事实描述现实世界怎样运行；规约描述人工制品或机器可以控制的行为；需求描述利益相关者希望世界呈现的状态。

这个关系对本书非常重要。植护内部的商品主数据、渠道规则、活动排期、合规禁词、历史复盘、仓配约束、组织授权和审查责任属于领域事实或需求来源。执行体的职责位于规约和实现侧：它能帮助整理材料、执行查询、生成候选结构和输出报告；领域事实和需求边界来自企业材料、利益相关者判断和审查活动。

渠道运营异常解释中的典型错误，是把可控规约和领域知识混在一起。写一份异常报告模板、定义源文档字段、建立查询、运行校验，属于可控规约。某个异常的真实原因、某条规则是否仍然有效、某个负责人是否接受某条结论、某个市场偏好是否成立，属于领域事实或组织判断。前者可以由书稿和演示定义；后者必须由资料、审查或内部调研提供。

这个边界也解释了异常受控词表的来源。外部资料可以支持一个研究层判断：销售、转化、库存、履约、评价、活动和本土化都可能进入异常解释。植护内部第一层异常分类、指标阈值和流程触发条件，需要系统盘点、历史样本、业务访谈和审查过程。

因此，本书只在研究层和演示层使用最小对象集合。异常事件、指标观察、候选解释、证据说明、规则、复盘和审查记录，是异常解释动作自身需要的通用对象。它们能支撑演示样例说明方法如何运行。植护正式本体中的字段名、枚举值、阈值、责任角色和系统接口，属于内部建模对象，不由本书外部推导。

Ryle 所说的范畴错误可以帮助理解这个风险。[ryle-concept-mind] 把社会技术协商、历史经验和组织授权当成可由模型推理生成的事实，就是把一种对象当成另一种对象处理。执行体在给定资料中推理；缺失资料保持为未知或待调研项。

因此，演示使用代表性夹具。夹具可以构造一个合理的异常场景，展示数据如何进入源表面、关系如何声明、查询如何返回上下文、审查如何处理未审条目。演示词表属于方法展示；企业本体来自内部材料和审查。

这个边界是设计资格的来源。未知状态要求 SOP 显式声明未知；领域知识的外部来源要求源表面保留来源、证据和审查状态；需求的利益相关者来源要求工具选择服从问题形状。后文的 状态差与算子资格 只为可观察状态差选择算子，不为未知内部字段预设本体。

8. 外化与认识论状态

知识外化是本书人工制品成立的关键条件。Nonaka 的 SECI 模型把外化描述为将隐性知识转化为显性概念的过程。[nonaka-knowledge-creating-company] 在企业运营中，资深人员知道的查找路径、异常模式、规则例外、复盘经验和判断口径，如果没有进入可读、可查、可审的媒介，就仍然依赖个人情景记忆。

有限理性和信息论进一步解释外化的收益。Simon 的有界理性说明，行动者在有限注意力、有限时间和有限搜索能力中作出判断。[simon-artificial] Shannon 的信息论把通信理解为降低接收端不确定性的过程。[shannon-communication] 渠道异常解释中的结构化文档、关系、状态和回源坐标，作用不是装饰知识库，而是在异常出现时减少执行体需要搜索和猜测的空间。

渠道运营异常解释需要外化三类内容。第一类是事实材料，例如指标观察、库存快照、评论主题、活动记录、履约状态和平台规则。第二类是解释材料，例如候选原因、支持证据、反证、旧复盘和处理动作。第三类是认识论状态，例如某条信息是事实、假设、显式未知、已接受、待审、被拒绝还是已过期。

IEEE 830 中的软件需求质量传统强调可验证性。[ieee-830] Jackson 的需求工程传统也强调单个需求或说明应当能被审查、拆分和追踪。[jackson-requirements-specifications] 对本书而言，外化条目至少要能回答：它从哪里来，表达什么对象，处于什么状态，谁需要审查，后续查询如何使用，错误时回到哪里修改。

认识论状态是防止知识污染的必要字段。若一条原因解释没有证据，它只能是候选假设；若一项数据缺失，它必须保留为显式未知；若一条旧复盘被新材料替代，它不能继续作为当前结论使用。没有状态标记，执行体会把缺口填成默认解释，报告会把猜测写成事实，后续查询会沿错误关系继续传播。

AGM 信念修订理论提供了另一条公共坐标。一个知识集合需要处理新信念进入、旧信念保留、冲突和修订。[agm-belief-revision] 在企业知识维护中，未标注的默认填充会把未经授权的命题塞进知识集合。Hintikka 的知识逻辑传统也提醒，主体声称知道某事会产生承诺。[hintikka-knowledge-belief] 这些理论在本书中转化为写作和建模纪律：未知保持未知，假设保持假设，接受需要审查。

外化的媒介需要同时服务人和机器。人需要读标题、摘要、字段、证据和报告；机器需要查询 role、关系、状态、来源和 source coordinate；reviewer 需要查出未审条目；维护者需要回到源文档修改。ADOC 源表面、RDF 图表面、SPARQL 查询和 SHACL 校验在后文取得算子资格，正是因为它们共同服务这些动作。

外化不是把所有材料都结构化到最细。结构化劳动有成本。只有会被引用、查询、校验、审查、回源、报告或维护的内容，才取得进入公共模型的资格。没有消费者动作的材料，可以留在正文、原始文件或外部系统中。外化的目标是降低后续异常解释的相关上下文范围，不是制造字段堆积。

本章给后文提供一个约束：任何进入源表面的知识条目，都必须携带足够的身份、来源、状态和回源信息。执行体可以写条目，但不能越过状态；查询可以返回局部上下文，但不能替代审查；报告可以帮助人判断，但不能把未审假设升级成事实。ADOC 源表面、RDF 图表面与 SPARQL 查询面 和 SHACL 与审查状态 分别承担这个约束的写入、查询和校验表面。

Part III: RAG、GraphRAG 与维护问题的边界

本部给相邻检索技术定位。普通 RAG、全文检索、向量召回和 GraphRAG 都能缩小候选材料范围；渠道运营异常解释中的概念依赖 还需要维护时写入、关系声明、状态标注、审查和回源。相邻技术的价值在于进入正确层位。

9. 检索作为候选发现

检索算子解决入口问题。运营人员或执行体面对异常材料时，需要从已有资料中找到可能相关的标题、文档、复盘、规则、评论主题和历史记录。全文检索、关键词检索、BM25、向量召回和混合检索都可以承担这个入口动作。

RAG 的基本价值在于把用户问题或任务描述连接到外部材料。Lewis 等人在 Retrieval-Augmented Generation 中把参数化生成模型与非参数化检索记忆连接起来，使模型回答时可以使用外部文档。[rag] 在企业知识维护场景中，这个思想可以转化为一个更朴素的动作：先找到可能相关的材料，再让执行体或人阅读、判断和组织。

候选发现的输出是候选入口。一个关键词命中“发货慢”，说明某段资料可能与履约问题相关；一个向量检索命中“转化下降”的相似复盘，说明文本分布相近。支持证据、反证、适用时间、审查状态和回源坐标需要后续结构承担。

这个边界在电商异常解释中很明显。某个 Shopee listing 转化率下降时，候选检索可能找到“Shopee”“转化率”“库存”“发货慢”“评分”等材料。真正的解释需要继续判断这些材料之间如何连接：哪个指标观察提示异常，哪个库存快照支持候选解释，哪个评论主题提供反证，哪个旧复盘仍在有效期内，哪个规则约束报告写法。

全文检索在这本书中取得入口资格。它可以按 SKU、渠道名、listing 标题、异常词和稳定地址命中源文档。rg 这类公开工程工具已经足以承担演示中的词面候选发现。向量召回可以作为后续扩展；基本流的构成条件是候选入口能够被带入后续图查询和源表面回源。

向量索引若进入企业实现，也仍然需要维护语义。LlamaIndex 的 VectorStoreIndex 文档把数据源随时间变化时的 insertion、deletion、update 和 refresh 操作列为索引管理问题。[llamaindex-vector-updates] 这说明向量检索并不免除更新责任；它只是候选发现层的一个实现。异常知识维护还要回答候选材料如何回源、如何审查、如何替代旧结论、如何声明未知。

因此，候选发现的完成声明是可观察的：输入关键词、地址标签或查询文本，检索返回候选源文档、标题、路径和行号。解释成立需要关系、证据、状态和审查继续参与。

这个完成声明为 全文入口与符号扩展 提供前提。全文检索或向量召回只要能返回候选入口，就完成了候选发现职责；异常解释的关系链由后续符号扩展承担。

10. GraphRAG 作为结构增强

GraphRAG 把图结构引入检索增强生成。Microsoft GraphRAG 的公开文档把它描述为一种结构化、层级化的 RAG 方法：从原始文本抽取知识图谱，构建社区层级，为社区生成摘要，并在 RAG 任务中使用这些结构。[microsoft-graphrag] 其 local search 示例说明，回答可以结合 AI 抽取的知识图谱和原始文档 chunks。[microsoft-graphrag-local]

LightRAG 等轻量图增强方案强调用实体关系图和向量表示提高检索效率，并支持增量知识库更新。其公开仓库说明，新数据可以经过标准图索引流程生成局部图，再并入既有图结构。[lightrag] Graphiti 则面向 agent memory 场景，强调 episode 摄入后的实时增量图构建、实体边类型以及时态知识图谱。[graphiti]

这些路线提供重要启发。第一，纯文本相似度承载不了所有上下文组织；实体、关系、社区、路径和时态状态能够增加检索结构。第二，知识会持续进入系统；增量更新、图合并、旧事实失效和时态查询是企业知识场景中的真实需求。第三，图结构需要成本：抽取、实体合并、关系错误、摘要更新、图增长和 schema 维护都会产生负担。

GraphRAG 在本书中的位置是结构增强算子。它说明图结构能帮助回答“如何相关”。候选材料可以通过实体、关系和路径扩展上下文；历史材料可以通过事件、时间和关系被重新发现；多跳问题可以从相似文本之外取得更多证据。

渠道运营异常解释还需要一个维护表面。抽取式 GraphRAG 通常从文本中抽实体和关系，再服务查询时上下文增强。运营异常知识维护需要人或执行体把事实、假设、证据、反证、规则、审查状态和源坐标写入可维护源文档，并在 reviewer 审查后进入可依赖知识表面。这个表面既要让机器查，也要让人改。

这一区分给出组合方式。GraphRAG 可以参与候选发现和结构扩展；源感知知识维护处理写入资格、审计状态和回源修改。模糊检索或 GraphRAG 找到候选资源，SPARQL 或等价图查询沿已声明关系返回局部上下文，源表面承担修改入口。

GraphRAG 的完成声明也需要可观察化。若它用于候选发现，应观察候选是否返回；若它用于结构扩展，应观察路径、实体、关系和来源；若它声称支持维护，应观察写入、审查、失效、替代和回源如何发生。图增强能证明检索上下文变丰富；知识维护还需要写入和审查表面。

GraphRAG 是本书的相邻算子：可以进入候选发现和结构增强层，也可以为 RDF 图表面与 SPARQL 查询面 提供工程参照。知识维护的核心约束仍然来自 外化与认识论状态 所要求的写入、审查和回源。

11. 维护时知识集成

渠道运营异常解释的核心动作发生在维护时。新材料进入后，执行体需要先查已有上下文，再判断新材料与旧知识之间的关系。关系可能是补充证据、提出候选解释、反驳旧假设、替代旧复盘、触发审查、声明未知或约束报告写法。

这个动作不同于回答时召回。回答时召回面对的是一个问题和一批已有材料，目标是组织当前回答。维护时知识集成面对的是新材料和既有知识表面，目标是让知识库本身发生可审查的更新。更新完成后，未来查询才能复用这次结构化劳动。

维护时知识集成至少包含六个对象。第一，源材料：平台导出、ERP 记录、客服记录、评论主题、活动说明、会议纪要或复盘。第二，既有知识：已有异常、规则、证据、假设和历史结论。第三，新条目：由人或执行体转写出的事实、假设、证据或未知项。第四，关系：新条目与旧条目之间的支持、反驳、约束、替代或审查关系。第五，审查状态：条目是否未审、已接受、需修改、被拒绝或已替代。第六，回源坐标：错误出现时回到哪个标题、关系声明或 payload 修改。

这六个对象要求一个源感知写入表面。新材料只进入临时向量索引时，未来可以被召回，却难以被审查和修正。新解释只存在于一次模型回答中时，未来查询无法把它作为受控知识复用。关系只写在自然语言段落中时，SPARQL 或其它符号查询无法沿关系返回证据链。缺少审查状态时，候选解释会伪装成已接受结论。

维护时知识集成的收益来自结构化劳动的复利。第一次整理异常材料时，人或执行体需要付出成本：写标题、字段、关系、来源和状态。后续出现相似异常时，全文检索或地址标签命中候选资源，图查询沿关系返回旧复盘、证据、反证和规则。搜索范围因此缩小；执行体上下文窗口也得到保护。

这个对象把 RAG、GraphRAG 和源表面放进同一链路。候选检索负责找到可能相关的资源入口；图查询负责沿已声明关系展开局部依赖闭包；源表面负责写入和修改；审查表面负责区分事实、假设和未知；报告表面负责把查询结果交给人判断。每个算子有位置，每个位置有观察面。

维护时知识集成给后文提供主问题：如何把渠道运营异常相关材料组织成可维护源表面，使新材料进入时能连接旧知识，并使未来异常解释可以检索相关上下文范围。下一部将把这个问题放回植护场景，定义当前状态、概念依赖、期望状态和状态差。

这个主问题连接前后两端。它依赖 无状态认知实体 提供的执行体边界，也依赖 检索作为候选发现 提供的入口层位；它为 状态差与算子资格 提供直接前提。

Part IV: 渠道运营异常解释的问题建模

本部定义主问题。渠道运营异常解释的困难来自 公开事实 支持的多渠道问题世界、材料分散、概念依赖隐蔽、历史结论可能过期、证据和假设混杂。期望状态是异常出现后取得相关上下文范围，使判断从局部材料集合开始。

12. 当前状态：材料存在，知识表面分散

渠道运营异常是渠道、商品和时间窗口上的运营状态偏离。它可以表现为销量下降、转化率下降、评分波动、退款增加、库存可售天数异常、履约时效变慢、广告回报下降、评论负面主题增加、活动结束后的异常回落或新品在某区域冷启动失败。

这些异常通常有可观察指标。平台后台、ERP、WMS、客服系统、广告后台、活动表、评论系统和会议记录都可能保存相关材料。材料存在并不等于知识可用。指标、规则、历史复盘、客服主题、活动背景和处理口径如果散落在不同系统和人员记忆中，执行体看到异常时仍然需要大范围搜索。

植护这类多平台日护电商品牌具有多个材料来源。公开资料已经支持多平台、多品类、跨境、本土化和履约等事实。销售数据、库存状态、物流时效、评论主题、达人内容、活动排期、平台规则和历史复盘都可能影响一次异常解释。材料来源越多，单一看板越难表达完整上下文。

当前状态的难点在“材料身份”和“知识身份”的分离。平台导出、客服记录和会议纪要是材料；可被未来查询复用的异常事实、候选解释、证据关系和审查状态才是知识条目。材料可以被保存，却仍然缺少可查询身份；知识条目需要标题、字段、关系、来源和状态共同成立。

资深运营的经验在当前状态中承担隐性索引作用。资深人员知道某类异常应先查价格、库存、评论、活动还是仓配；知道某个市场的旧复盘是否仍然适用；知道某个渠道的规则口径。新人和无状态认知实体缺少这种情景记忆，只能依赖一般电商语义和局部材料。

这导致异常处理成本集中在查找和判断上。人首先要判断该从哪里查，随后跨系统找材料，再把候选原因和证据放在一起，最后决定是否形成结论或处理动作。若材料没有共同地址、关系和审查状态，后续同类异常仍然需要重新走一遍搜索路径。

这个成本也会进入协作。一个人知道的查找路径，如果没有进入源文档、复盘或 SOP，下一位维护者仍然需要重新询问。一次报告里的候选原因，如果没有回到知识表面，下一次相似异常不会自动得到复用。当前状态的损失不是单次报告写得慢，而是每次异常都重新支付搜索成本。

当前状态的核心问题可以表述为：运营材料、经验知识、规则和复盘已经存在于组织中，但它们没有稳定进入同一个可查询、可审查、可回源的知识表面。数据源分散只是症状；关系、证据状态和回源位置没有公共化，才是异常解释成本高的结构原因。

这个当前状态直接继承 维护时知识集成 的问题对象。它也为 概念依赖与异常解释 提供下一步问题：材料分散本身不是全部困难，困难还在于材料之间的依赖关系没有进入公共结构。

13. 概念依赖与异常解释

异常解释需要处理概念之间的依赖。一个销售下降事件可能连接价格变化、库存不足、履约时效、活动结束、竞品促销、主图改版、评论负面主题、达人内容失效、平台流量变化和区域偏好变化。每个因素都可能在不同材料表面出现。

这些依赖经常跨越词面距离。库存可售天数下降 和 转化率下降 在文本相似度上未必靠近；发货慢 评论主题和 店铺评分波动 可能分散在不同系统；历史复盘中某市场偏好小包装 与 新品转化不足 也可能没有共同关键词。异常解释需要显式关系承载这些跨表面连接。

本书把异常解释中的关系分成五类。第一类是观察关系：某个指标观察发生在某个 listing、SKU、渠道和时间窗口上。第二类是候选解释关系：某个异常事件拥有某个候选原因。第三类是证据关系：某条证据支持或反驳某个候选解释。第四类是约束关系：某个处理动作或报告写法受平台规则、品牌口径、合规要求或毛利底线约束。第五类是时态关系：旧复盘可能被新材料替代，旧规则可能过期。

关系类别 典型问题 需要的公共结构

观察关系

哪个指标在什么渠道、listing、SKU 和时间窗口上偏离

指标观察节点、作用对象、观察时间和来源

候选解释关系

这个异常有哪些可能原因

异常事件到 hypothesis 的关系，且 hypothesis 保留候选状态

证据关系

哪些材料支持或削弱某个候选解释

supported-by、contradicted-by、证据节点和回源坐标

约束关系

报告或处理动作受哪些规则限制

constrained-by、规则节点、适用范围和审查状态

时态关系

旧复盘、旧规则或旧假设是否仍然可用

validFrom、validTo、supersedes、invalidates、review note

这些关系需要区分认识论状态。库存快照是事实材料；“库存不足导致转化下降”是候选解释；“竞品活动未知”是显式未知；“旧复盘仍然适用”需要审查；“新复盘替代旧结论”需要关系声明和来源。若这些状态混在同一段自然语言里，执行体会把假设当事实，把未知当默认值，把旧经验当当前规则。

概念依赖也要求反证进入结构。异常解释若只收集支持材料，会形成单向确认。候选解释“履约变慢影响评分”需要查支持证据，也需要查反证：评分下降前履约是否已经恢复，差评主题是否集中在包装而非时效，活动结束是否能解释销量变化。反证缺席时，报告容易给出过早结论。

因此，渠道异常知识表面需要表达的不只是“相关”。相关只是入口词。真正有用的结构包括 observed-on、has-hypothesis、supported-by、contradicted-by、constrained-by、supersedes、reviewed-by 等关系类型。具体谓词名称可以在演示或企业内部本体中确定；关系类别的存在来自异常解释动作本身。

概念依赖进入公共结构后，查询才有精确对象。按异常事件可以查候选解释；按候选解释可以查支持证据和反证；按处理动作可以查约束规则；按旧复盘可以查是否被替代；按未审状态可以查 reviewer 队列。没有关系结构时，执行体只能反复全文搜索和人工联想。

这些关系类别不是植护内部正式本体。它们属于异常解释问题的研究层对象，来自“解释异常时需要观察什么、比较什么、证明什么、排除什么、回到哪里修改”的动作结构。企业正式谓词名、端点限制和字段枚举需要内部材料与审查流程确定。

这条边界防止研究层关系类别越级成为企业本体。后文 ADOC 源表面 会给出演示层最小资源集合；该集合只证明方法如何表达异常、候选解释、证据和规则，不替代企业内部建模。

14. 期望状态：相关上下文范围收缩

渠道运营异常解释的期望状态，是异常出现后可以取得相关上下文范围。这个范围由本次判断需要阅读和审查的局部材料组成，并以证据、反证、规则、历史复盘、未知项和源位置限定边界。

相关上下文范围至少包括八类对象。第一，异常事实：指标、时间窗口、渠道、SKU、listing 和偏离情况。第二，候选解释：可能原因及其认识论状态。第三，支持证据：库存、评论、履约、活动、广告、价格或历史材料。第四，反证：削弱或排除某个候选解释的材料。第五，约束规则：平台规则、品牌口径、合规限制、成本或权限边界。第六，历史复盘：相似异常、旧结论、替代关系和有效期。第七，未知项：缺失数据、待确认事项和需要人工判断的点。第八，源位置：材料来自哪个文档、标题、记录或 payload。

这个范围有明确的选择原则。进入范围的材料，应当能支持、削弱、约束、替代或定位本次异常解释。只因为词面相似而命中的材料仍然只是候选入口；只有字段、关系、状态或来源说明把它连接到异常判断时，它才进入相关上下文范围。这个原则防止查询结果退化成无边界资料堆。

这个期望状态仍然保留人的判断。系统返回局部上下文，人或 reviewer 继续阅读和确认。执行体可以帮助组织报告，业务责任、审查结论和处理动作仍然由组织授权承担。相关上下文范围收缩的价值，在于减少无关搜索，让判断从更小的材料集合开始。

期望状态也要求持续更新。一次异常处理后，新的证据、复盘和处理动作应当回到知识表面。下一次相似异常出现时，前一次处理结果成为候选上下文的一部分。旧结论被替代时，查询应能看到替代关系。未知项被补证据时，状态应更新。

期望状态还要求错误可以回源修改。查询结果若只返回标题文本，维护者仍然需要重新搜索文件。可维护的查询结果应当包含路径、标题行、关系 occurrence 或 payload span，使 reviewer 能把错误字段、错误关系或过期说明改回源表面。没有回源能力，图表面会变成只读索引，难以承担知识维护。

相关上下文范围收缩是一种熵减。组织先付出结构化劳动：写标题、字段、关系、来源、状态和审查记录。未来异常出现时，检索和图查询把材料范围压缩到局部依赖闭包。过去劳动转化为未来查找成本下降。

这个期望状态可以被观察。给定异常 ID、SKU、渠道或标题，查询应返回候选解释、证据、反证、规则、历史复盘、未知项和源坐标。给定 reviewState，reviewer 应能查到未审条目。给定旧复盘，查询应能看到它是否仍被引用或已经被替代。

因此，期望状态不是一个抽象的“更智能”。它是一组可检查动作：查得到、看得懂、分得清事实和假设、能回源、能审查、能更新。

这些动作在 状态差与算子资格 中被拆成材料入口差、关系表达差、认识论状态差、查询范围差和回源维护差。期望状态不直接授权工具；状态差才授权算子。

15. 状态差与算子资格

当前状态与期望状态之间存在五个状态差。

第一，材料入口差。当前材料存在于多个系统、表格、文档和人员记忆中；期望状态要求异常材料能进入一个可维护源表面。缩小这个差距的算子是数据取得、材料转写和源文档组织。

第二，关系表达差。当前依赖关系常常藏在自然语言、经验和会议结论中；期望状态要求异常、候选解释、证据、反证、规则和复盘之间有可查询关系。缩小这个差距的算子是交叉引用、关系谓词和图投影。

第三，认识论状态差。当前事实、假设、未知、旧经验和已接受结论容易混在一起；期望状态要求它们拥有状态字段和审查状态。缩小这个差距的算子是 epistemicStatus、reviewState、状态枚举和 reviewer 审查。

第四，查询范围差。当前异常处理需要跨大量资料搜索；期望状态要求从异常入口返回局部上下文。缩小这个差距的算子是全文检索入口、稳定地址、SPARQL 查询和局部依赖闭包。

第五，回源维护差。当前报告和看板可能展示结论，但错误出现时不一定能回到来源位置；期望状态要求节点、关系和 payload 都能定位到可修改源表面。缩小这个差距的算子是 source coordinate、source-aware report 和源表面维护。

状态差 当前状态 期望状态 候选算子

材料入口差

材料散落在多系统和文档中

运营材料进入可维护源表面

数据取得、材料转写、ADOC 标题和字段

关系表达差

依赖关系存在于经验和自然语言中

关系成为可查询边

xref、rel、RDF 投影、SPARQL

认识论状态差

事实、假设和未知混杂

状态和审查结果可见

epistemicStatus、reviewState、review note

查询范围差

异常处理依赖大范围搜索

查询返回局部上下文

全文检索、address label、图查询

回源维护差

错误难以定位到可修改来源

报告带回源坐标

source coordinate、source-aware report

算子资格来自状态差。ADOC、RDF、SPARQL、SHACL、SOP、code agent 和 reviewer 流程分别缩小上述状态差。缺少状态差支撑的工具属于实现偏好。

这个表也限制后续章节。下一部讨论 ADOC、RDF、SPARQL 和 SHACL 时，必须逐一说明它们服务哪个状态差。第六部讨论 SOP 和执行体时，也必须说明执行体按 SOP 承担哪个动作。第七部的验证要回到这些状态差，检查期望状态是否可观察。

状态差是全书的算子准入门槛。ADOC 源表面 缩小材料入口差；RDF 图表面与 SPARQL 查询面 缩小关系表达差和查询范围差；SHACL 与审查状态 缩小认识论状态差；全文入口与符号扩展 连接候选发现和局部依赖闭包；SOP 作为模型消费表面 约束执行体写入和报告动作。

Part V: 源感知知识表面与查询机制

本部把 状态差 转化为知识工程表面。ADOC 源表面承担写入和回源；RDF 图表面承担查询；SPARQL 展开关系；SHACL 检查结构；审查状态保护事实、假设和未知的边界；全文检索提供候选入口。

16. ADOC 源表面

ADOC 源表面是异常知识维护的写入入口。运营材料经过人或执行体阅读后，被转写为标题、字段、正文、交叉引用和 payload。源表面保存可读事实，也保存机器后续投影所需的结构。

标题承担资源节点身份。一个异常事件、一次指标观察、一条候选解释、一条证据说明、一条规则、一份历史复盘或一条审查记录，都可以在取得独立引用、查询、审查或维护动作后成为标题节点。标题文本给读者阅读；显式 ID 或生成地址给查询器定位。

这一选择使用 AsciiDoc 的公开语法能力，而不是私有标记约定。Asciidoctor 文档把 book doctype 中的额外一级标题解释为 part，并要求章节层级按顺序嵌套；它也说明显式 ID 可以为交叉引用提供稳定目标。[asciidoctor-sections][asciidoctor-xref] 因此，标题既是读者目录结构，也是投影器取得资源边界的稳定表面。

描述列表承担普通字段。observedAt、skuId、channel、metricName、metricValue、reviewState、epistemicStatus、sourceSystem、summary 等字段可以放在标题下。Asciidoctor 的 description list 把术语和说明形成关联列表，适合承载这类人可读、机器可抽取的键值字段。[asciidoctor-description-lists] 字段进入源表面以后，读者能直接看，投影器能直接取，校验器能检查取值。

交叉引用承担关系声明。异常事件可以引用候选解释，候选解释可以引用支持证据或反证，处理动作可以引用约束规则，审查记录可以引用被审条目。关系谓词写在 xref 的 rel 字段中，使自然语言参见转化为可查询边。

source block 承担复杂载荷。原始导出 JSON、指标快照、评论主题数组、外部 selector、模型原始观察和复杂边证据，可以保留在 source block 中。普通可读说明留在正文或描述列表；嵌套结构和原样保真材料进入 payload。

ADOC 源表面同时服务人和机器。人阅读标题、摘要、字段和正文；执行体按 SOP 写入新条目；投影器读取标题、字段、xref 和 payload；reviewer 回到标题行、关系 occurrence 或 source block 修改错误。源表面是事实维护入口，后续图表面和报告表面都从这里派生。

在渠道异常场景中，源表面的最小资源集合包括：数据批次、listing、指标观察、异常事件、候选解释、证据说明、规则、审查记录和处理动作。这个集合属于研究层和演示层的最小对象；企业正式本体需要内部材料和审查确定。

[#anom-2026-07-01-shopee-th.conversion-drop.anomaly-event]
== Shopee 泰国站 ZH-TISSUE-001 转化率下降

status:: proposed
reviewState:: unreviewed
epistemicStatus:: fact
observedAt:: 2026-07-01
skuId:: ZH-TISSUE-001
channel:: Shopee TH
summary:: listing 在观察窗口内转化率低于基线。

该异常拥有候选解释 xref:hyp-stock-delay.hypothesis[本地仓可售天数下降, rel=has-hypothesis]。

[#hyp-stock-delay.hypothesis]
== 本地仓可售天数下降

status:: proposed
reviewState:: unreviewed
epistemicStatus:: hypothesis
summary:: 本地仓可售天数下降可能影响 listing 转化。

该候选解释由 xref:evidence-available-days.evidence-note[可售天数快照, rel=supported-by] 支持，
并受到 xref:rule-hypothesis-reporting.rule[候选解释报告规则, rel=constrained-by] 约束。

[#evidence-available-days.evidence-note]
== 可售天数快照

status:: active
reviewState:: unreviewed
epistemicStatus:: fact
sourceSystem:: warehouse-fixture-export
summary:: 观察窗口内本地仓可售天数低于基线。

[#rule-hypothesis-reporting.rule]
== 候选解释报告规则

status:: active
reviewState:: accepted
epistemicStatus:: fact
summary:: 报告只能把未审原因写为候选解释；缺少证据时必须声明未知项。

这个片段展示源表面如何同时承载可读标题、状态字段、业务字段、候选解释、证据和规则关系。它不证明业务结论；它提供后续查询、审查和回源的共同表面。示例中的 SKU、渠道和日期属于演示层代表性夹具，不承担植护内部事实身份。

ADOC 源表面的完成条件不是文件存在，而是消费者动作成立。执行体能按 运营材料转写 SOP 写入条目；查询器能从源表面投影取得节点和关系；reviewer 能回到标题和 xref occurrence；维护者能修改源文档并重新生成图表面。缺少这些动作时，源文件只是文本文件，不构成本书所说的源表面。

17. RDF 图表面与 SPARQL 查询面

RDF 图表面把源表面中的标题、字段、关系、payload 引用和 source coordinate 转成可查询事实。源表面继续承担维护入口；图表面承担查询、校验、报告和下游消费入口。

RDF 的价值来自标准化图模型。W3C RDF 1.2 Concepts 把 RDF 图定义为由主语、谓词、宾语组成的三元组集合，并用数据集组织图集合。[rdf12-concepts] 异常事件、候选解释、证据说明和规则都可以成为节点；字段成为节点属性；xref 的 rel 成为边；source coordinate 成为回源事实。SPARQL 查询这些节点、字段和边，返回局部上下文。

SPARQL 的资格来自它面向 RDF 图模式的查询能力。W3C SPARQL 1.2 Query Language 定义了 RDF 查询语言的语法和语义，并提供基本图模式、可选模式、路径和结果投影等机制。[sparql12-query] 在本书中，这些机制被限制为维护动作：查候选解释、查证据链、查未审条目、查旧复盘替代关系和查受规则约束的报告。

按异常查候选解释和证据，是渠道异常解释的核心查询。查询输入可以是异常 address label；输出应包含候选解释、解释状态、支持证据、反证、源路径和标题行。这个查询把自然语言报告前移为可检查数据。

PREFIX aat: <https://micheng.dev/ns/asciidoc-abundant-tree#>
PREFIX rel: <https://micheng.dev/ns/asciidoc-relation#>

SELECT ?hypothesis ?hypothesisTitle ?evidence ?evidenceTitle ?path ?line WHERE {
  ?anomaly aat:addressLabel "anom-2026-07-01-shopee-th.conversion-drop" .
  ?anomaly rel:has-hypothesis ?hypothesis .
  ?hypothesis aat:headline ?hypothesisTitle .
  OPTIONAL {
    ?hypothesis rel:supported-by ?evidence .
    ?evidence aat:headline ?evidenceTitle ;
              aat:relativePath ?path ;
              aat:headingLine ?line .
  }
}

按审查状态查未审条目，是 reviewer 的核心查询。查询输入是 reviewState=unreviewed；输出是节点、标题、role、路径和行号。这个查询让审计队列从源文档派生，而不依赖作者记忆。

PREFIX aat: <https://micheng.dev/ns/asciidoc-abundant-tree#>

SELECT ?node ?headline ?role ?path ?line WHERE {
  ?node aat:reviewState "unreviewed" ;
        aat:headline ?headline ;
        aat:relativePath ?path ;
        aat:headingLine ?line .
  OPTIONAL { ?node aat:role ?role . }
}
ORDER BY ?path ?line

查询结果必须保留回源坐标。只有资源 IRI 或标题文本的查询结果仍然不足以维护。报告需要 relative path、heading line、xref occurrence 或 payload span，使维护者可以回到源表面修改错误字段、关系或原样载荷。

SPARQL 查询面的完成声明，是能回答消费者问题。给定异常，能返回候选解释和证据；给定未审状态，能返回审查队列；给定旧复盘，能返回是否被替代；给定规则，能返回受它约束的报告或动作。查询案例是模型质量的一部分。

查询面与源表面的责任不同。查询面返回当前投影结果，不能直接替代源表面修改；源表面修改后，查询面通过重新投影更新。这个分工让 演示观察面 能同时检查查询结果和回源路径。

18. SHACL 与审查状态

SHACL 把结构判断转成可执行检查。它检查节点是否具备必要字段，关系端点是否符合词表，状态取值是否在枚举中，payload 是否有可解释结构。SHACL 不判断商业真伪；它让结构缺口可见。

W3C SHACL 规范把 SHACL 定义为用一组条件校验 RDF 图的语言，条件以 shapes graph 形式表达，被校验对象是 data graph。[shacl] 这个定位决定了它在本书中的边界：它能检查异常知识图是否满足结构条件，不能替 reviewer 决定某个业务解释是否真实。

渠道异常知识至少需要三类状态。epistemicStatus 标记事实、假设和显式未知。reviewState 标记未审、已接受、需修改和已拒绝。status 标记条目在业务生命周期中的 proposed、active、resolved、superseded 等状态。三类状态分别回答“这是什么认识论身份”“它是否经过审查”“它在业务生命周期中处于哪里”。

审查状态绑定知识条目。人写入的新条目和模型写入的新条目都从未审开始。Reviewer 按查询队列检查证据、字段、关系和来源，再把条目改为 accepted、needs-change 或 rejected。这个规则让知识库按状态流转，统一处理不同作者产生的条目。

SHACL 可以检查最小结构。例如异常事件需要 observedAt、skuId、channel 和 reviewState；候选解释需要 epistemicStatus=hypothesis；已接受解释需要至少一条支持证据或明确的审查记录；证据说明需要 source coordinate。

@prefix sh: <http://www.w3.org/ns/shacl#> .
@prefix aat: <https://micheng.dev/ns/asciidoc-abundant-tree#> .

[] a sh:NodeShape ;
  sh:targetSubjectsOf aat:reviewState ;
  sh:property [
    sh:path aat:headline ;
    sh:minCount 1 ;
    sh:message "knowledge item must expose a readable headline"
  ] ;
  sh:property [
    sh:path aat:relativePath ;
    sh:minCount 1 ;
    sh:message "knowledge item must expose source path"
  ] .

SHACL 报告需要回源。focus node 只能告诉校验器哪个节点违规；维护者需要标题、路径、行号和字段名。source-aware report 把 SHACL 结果转成任务视图，使错误能回到源文档。

审查状态和 SHACL 配合以后，异常知识维护获得两层保护。第一层保护是结构保护：缺字段、缺来源、非法状态和关系端点错误会被发现。第二层保护是认识论保护：事实、假设、未知和已接受结论拥有不同状态，不在报告中混成同一种语气。

这两层保护进入 效果验证 时，分别表现为结构校验用例和报告边界用例。结构校验证明条目形状可检查；报告边界证明执行体没有把未审假设升级为结论。

19. 全文入口与符号扩展

异常解释的查询可以分成两个阶段。第一阶段是全文入口：用 SKU、渠道、异常词、标题、地址标签或短语找到候选资源。第二阶段是符号扩展：沿字段、关系、状态和 source coordinate 取得局部上下文。

全文入口处理词面和模糊性。rg、BM25、关键词检索或向量召回都可以承担候选发现。演示样例使用公开工程工具和源文件文本即可。企业系统可以在后续把标题、摘要、正文和字段写入更复杂的检索索引。

符号扩展处理关系和状态。候选入口命中某个异常、listing、SKU 或复盘以后，SPARQL 查询可以读取它的出边、入边、字段、父子结构、证据、反证、规则、审查状态和回源坐标。这个阶段回答“它和什么有关、关系是什么、证据在哪里、谁需要审查”。

阶段 输入 输出

全文入口

关键词、SKU、渠道、标题片段、地址标签

候选资源、源路径、标题行、匹配片段

符号扩展

候选 address label 或资源 IRI

字段、关系、证据、反证、规则、状态、source coordinate

报告组织

符号扩展结果、SOP、审查规则

已知事实、候选解释、证据、反证、未知项、待确认事项

两阶段分工保护系统边界。全文入口不承担解释结论；符号扩展不承担自然语言模糊匹配；报告组织不承担事实来源。每个阶段只对自己的公共契约负责。

这个分工也保护成本。最小演示无需引入向量模型，因为全文入口已经能找到候选标题。后续若企业材料规模扩大，向量召回和 reranker 可以作为入口增强加入。它们加入后仍然只返回候选入口，解释链继续由符号关系和审查状态承担。

全文入口与符号扩展共同实现相关上下文范围收缩。前者把搜索从全库压到候选资源，后者把候选资源扩展成有结构的局部依赖闭包。这个闭包进入报告，供人或 reviewer 判断。

这个分工也解释了演示为什么不需要向量模型作为构成条件。检索作为候选发现 已经把候选入口定义为公共动作；rg、BM25 或向量召回只是不同实现手段。演示只需要证明候选入口能进入 SPARQL 查询面 并展开结构关系。

Part VI: SOP、执行体与基本流演示

本部把执行面落到 SOP 和演示样例。人、code agent 和外部模型都可以按同一作业规程整理材料。写入条目进入同一审查状态。演示样例使用代表性夹具展示 源表面转写、图投影与查询、校验与审查状态 和报告。

20. 执行体的位置

执行体是按 SOP 处理材料的行动者。它可以是人类员工、Codex、Claude Code、OpenCode、受委派的子执行体或外部模型 API。执行体的共同职责，是在给定材料、规则和工具表面中完成读取、转写、查询、报告和状态更新。

执行体的身份不改变知识条目的审查要求。一个员工写出的异常解释、一个 code agent 写出的 ADOC 片段、一个外部模型生成的报告，都要按条目状态进入审查。审查关注证据、来源、状态、关系和回源坐标。

执行体承担四类动作。第一，材料读取：取得运营材料、读取已有源表面、查看查询结果。第二，结构转写：把材料写成标题、字段、关系和 payload。第三，查询报告：调用全文检索、SPARQL 或校验器，组织异常上下文报告。第四，审查辅助：列出未审条目、缺证据条目、未知项和回源位置。

这四类动作都是人可以执行的动作。执行体使用模型或 Agent Runtime 时，只是把这些动作交给能读文件、调用命令、运行脚本和编辑文本的环境执行。SOP 的对象因此不是模型人格，而是可观察动作：读了哪些输入，写了哪些条目，建立了哪些关系，输出了哪些报告，留下了哪些审查状态。

执行体的输出应进入公共表面。ADOC 片段进入源表面；查询结果进入报告表面；校验结果进入审查表面；自然语言报告引用图查询结果。输出停留在临时交互面或一次性回答中时，后续维护者无法复用。

执行体也需要最小权限边界。读取源文档、运行查询、生成候选 ADOC、列出未知项和草拟报告属于知识维护动作；发布客服口径、修改价格、补货、下架、确认根因属于业务责任动作。前一类可以在 SOP 中委派给执行体，后一类需要组织授权和 reviewer 判断。

执行体的边界来自前文的无状态认知实体。它可以执行规程，不能把缺失材料补成企业事实。它可以提出候选解释，已接受结论需要证据和审查。它可以组织报告，业务动作需要授权主体。

执行体位置清楚以后，Agent Runtime 的选择退到实现层。成熟工具能读取文件、运行命令、调用脚本、编辑源文档和接受 SOP，就能承载演示。演示的证明对象是 SOP、源表面、查询和审查的协同工作。

这个位置继承 无状态认知实体 的边界。执行体的能力不由身份保证，而由输入材料、SOP、工具表面、审查状态和回源坐标共同约束。

21. SOP 作为模型消费表面

SOP 是执行体消费的作业规程。模型通过接口读取 SOP 时，它表现为 Prompt；人阅读同一内容时，它表现为操作说明。SOP 的核心表面包括输入、动作、输出、禁止项、状态规则和检查方式。

21.1. 运营材料转写 SOP

对象

新进入的运营材料。

输入

数据取得文件、已有源文档、全文检索结果或图查询结果。

输出

ADOC 源表面中的待审条目、关系声明、未知项列表和变更摘要。

步骤：

  1. 读取材料来源、导出时间、渠道、SKU、listing、指标和摘要。

  2. 检索已有源表面，查找同 SKU、同渠道、同异常或同规则的既有条目。

  3. 为新事实创建或更新标题节点，写入 status、reviewState、epistemicStatus、sourceSystem 和相关业务字段。

  4. 将原因解释写为 hypothesis 条目，并保留候选状态。

  5. 将缺失材料写为显式未知或待确认事项。

  6. 使用既有关系词表声明异常、候选解释、证据、反证和规则之间的连接。

  7. 所有新增或修改条目使用 reviewState=unreviewed。

禁止项：

  • 凭通用经验补企业内部事实。

  • 把候选解释写成已接受结论。

  • 删除旧条目来掩盖状态变化。

  • 创建没有查询、审查或回源用途的字段。

21.2. 异常相关上下文查询与报告 SOP

对象

已存在的异常事件。

输入

异常 address label、SPARQL 查询结果、源表面回源坐标。

输出

证据化异常解释报告。

步骤：

  1. 按异常 address label 查询指标观察、listing、候选解释、支持证据、反证、规则、历史复盘和 source coordinate。

  2. 报告第一部分写已知事实，每个事实带来源节点或源位置。

  3. 报告第二部分写候选解释，每个解释标注支持证据、反证或未知项。

  4. 报告第三部分写待 reviewer 或业务人员确认的事项。

  5. 报告第四部分列出回源位置，包括源文件、标题和必要的 payload 位置。

  6. 查询结果证据不足时，报告输出未知项和下一步需要取得的材料。

禁止项：

  • 用自然语言流畅度替代证据。

  • 省略反证和未知项。

  • 在报告中新增源表面没有承载的事实。

  • 输出没有 source coordinate 的强结论。

21.3. 知识条目审查 SOP

对象

reviewState=unreviewed 的知识条目。

输入

未审条目查询结果、SHACL 报告、源文档位置。

输出

审查结果、状态更新和 review note。

步骤：

  1. 查询所有未审条目，按源文件和标题顺序形成审查队列。

  2. 检查每个节点是否有 headline、role、source coordinate 和认识论状态。

  3. 检查 hypothesis 是否具有支持证据、反证或显式未知。

  4. 检查关系谓词是否服务查询路径，端点是否属于允许角色。

  5. 检查 payload 是否承载复杂结构，并保留 format 或 schema 说明。

  6. 通过的条目标记为 accepted，需要补证据的条目标记为 needs-change，结构不成立的条目标记为 rejected。

  7. 写入 review note，并用关系指向被审条目。

禁止项：

  • 只看文字顺畅程度。

  • 跳过没有来源的结论。

  • 用个人记忆替代源材料。

  • 把结构校验通过当成业务结论通过。

这三条 SOP 覆盖外部任务要求中的 Prompt 示例项。它们也是演示样例的执行规程：同一组文字既能被模型作为可执行输入消费，也能被维护者作为审查清单复用。

SOP 的完成条件是可执行和可审查。可执行意味着输入、动作、输出和禁止项明确；可审查意味着每一步能被 演示观察面 或 效果验证 检查。角色扮演式 Prompt 不能满足这个条件，因为它不能稳定约束来源、状态、未知项和回源坐标。

22. 基本流演示边界

演示样例展示方法如何工作。它使用代表性夹具数据来承载数据取得环节。夹具数据可以是固定 JSON 文件、CSV 文件或本地脚本输出。它的职责是提供可复现材料，使源表面、图投影、查询、校验和报告能够被观察。

演示分三层。

业务层

渠道运营异常解释。对象包括渠道、SKU、listing、指标观察、候选解释、证据、反证、规则、审查记录和处理动作。

知识工程层

源表面、图表面、查询、校验、审查状态、source coordinate 和 source-aware report。

演示层

代表性夹具、命令、查询文件、SHACL 文件、输出报告和构建日志。

业务流程中的第一步称为数据取得。演示层可以用固定 JSON 夹具代表该动作。这个命名保持对象层清楚：企业真实环境可以来自平台后台、ERP、WMS、客服系统或活动记录；演示环境使用夹具复现同一类输入。

最小演示材料包含六类条目。第一，一条指标观察，例如某渠道某 SKU 转化率低于基线。第二，一条库存或履约材料，例如本地仓可售天数下降。第三，一条评论主题，例如“发货慢”出现频率上升。第四，一条活动记录，例如促销结束或广告暂停。第五，一条历史复盘，例如旧异常曾与履约时效相关。第六，一条报告规则，例如候选解释需要证据和未知项。

演示完成时，观察者应能看到七个结果：源文档存在待审条目；RDF 图表面包含节点和关系；SPARQL 能返回异常局部上下文；SHACL 能检查结构；未审查询能返回审查队列；报告能列出事实、候选解释、证据、反证和未知项；每个结果能回到源表面。

演示样例的责任到此为止。它证明知识维护基本流能闭合，证明 SOP 能被执行体消费，证明查询和审查有观察面。企业真实字段、真实接口、真实阈值和真实流程仍然来自内部材料。

这个边界回到 事实、推断与未知边界。代表性夹具只承载方法演示，不能承担植护内部事实身份。演示完成以后，后续企业实施仍需内部访谈、样本数据和真实接口盘点。

23. 演示观察面

演示需要把每个承诺落到可观察表面。文件生成、命令退出码、查询结果、校验报告、审查队列和异常报告都可以成为观察面。观察面让演示从口头说明变成可复现证据。

承诺 观察面 通过条件

运营材料进入源表面

ADOC 源文件

存在标题、字段、关系和未审状态

源表面投影为图

RDF/Turtle 输出

节点、字段、关系和 source coordinate 可查询

异常上下文可查询

SPARQL 查询结果

返回候选解释、证据、反证、规则和源位置

结构可校验

SHACL 报告

缺字段时失败，修复后通过

未审条目可检出

reviewState 查询

返回所有待审节点及其源位置

报告有证据边界

异常解释报告

事实、假设、未知、证据和回源位置分开

演示观察面应保存到书稿附录或演示目录。命令输出使用 listing block，查询使用 source block，报告摘要使用示例块，完整 JSON 或 SHACL 报告可以进入附录。正文只展示关键片段，避免让长日志打断论证。

黑盒测试可以围绕观察面设计。给执行体一份缺少证据的材料，报告应声明未知；给源表面删除 reviewState，SHACL 应报错；给异常 address label，SPARQL 应返回局部上下文；给未审状态查询，reviewer 应看到队列。

黑盒用例 输入扰动 预期表现

缺少库存证据

材料只包含转化率下降，没有库存、履约或评论证据

报告保留候选解释空位或显式未知，不生成库存原因结论

缺少审查状态

源表面中的异常节点移除 reviewState

SHACL 报告失败，并返回对应标题路径和行号

候选解释无证据

hypothesis 节点没有 supported-by、contradicted-by 或 declared unknown

reviewer 队列标记 needs-change，报告不得把它写成已接受原因

旧复盘被替代

新 review note 声明旧复盘 superseded

按旧复盘查询时返回替代关系，报告不再把旧复盘当当前规则

演示观察面也服务外部任务要求中的扩展验收项。固定数据取得脚本覆盖 API 调用示例；ADOC/RDF/SPARQL 覆盖知识库方案；SOP 迭代记录作业规程如何加入未知项和审查状态；命令输出和报告片段替代脆弱的截图式证明。

演示的最终完成声明是：从数据取得到源表面、图投影、查询、校验、审查和报告的链路全部可观察，并且错误能回到源表面修正。

这个完成声明只覆盖演示样例。全书完成还需要 完成声明与优秀声明 中的结构、来源、术语、索引、覆盖矩阵和语言纪律共同成立。

Part VII: 验证、风险与完成声明

本部把前文承诺转成验收面。问题建模的完成取决于 事实边界、状态差、算子、SOP、演示观察面和风险控制是否全部可检查。运行成功只是观察面之一；完成声明需要覆盖整条知识维护链路。

24. 效果验证

效果验证分为样例闭合验证和业务价值验证。样例闭合验证检查演示链路是否成立；业务价值验证检查该链路进入企业后是否减少异常解释成本。两类验证的观察面不同。

样例闭合验证包括六项。第一，源表面可生成：ADOC 中存在异常、候选解释、证据、规则和审查状态。第二，图表面可生成：RDF 中可以查询节点、字段、关系和 source coordinate。第三，异常上下文可返回：给定异常 address label，SPARQL 返回候选解释、证据、反证、规则和源位置。第四，未审条目可检出：reviewState 查询返回审查队列。第五，结构校验可观察：缺字段时 SHACL 报告失败，修复后通过。第六，报告不越界：报告区分事实、假设、未知和待确认事项。

验收项 输入 通过条件

源表面生成

代表性夹具材料

ADOC 源文件包含待审知识条目

图表面生成

ADOC 源文件

RDF 输出包含节点、字段、关系和 source coordinate

异常上下文查询

异常 address label

返回候选解释、证据、反证、规则和源位置

未审队列查询

reviewState=unreviewed

返回待审条目及其标题行

结构校验

SHACL shape 与 RDF 图

缺字段时失败，修复后通过

报告边界

查询结果和 SOP

报告列出事实、假设、未知和回源位置

业务价值验证需要真实企业环境或受控试点。可观察指标包括异常定位平均耗时、人工查找资料数量、无证据断言数量、新人向资深人员追问次数、reviewer 一次通过率、旧复盘误引用数量和报告人工修改量。修改量下降只能作为辅助指标；质量仍由证据、反证、未知项和审查结果判断。

黑盒测试可以使用固定输入。给执行体一份缺少库存证据的材料，报告应声明库存证据未知。给源文档移除 reviewState，校验应报错。给异常 address label，查询应返回局部上下文。给未审状态，reviewer 应看到审查队列。黑盒测试检查公共契约，不读取执行体内部思路。

效果验证不评价执行体人格，也不评价模型是否“聪明”。它评价 SOP、源表面、查询面、校验面 和 观察面 是否共同支撑异常解释动作。

25. 风险与规范

渠道异常知识维护的主要风险来自状态污染、来源缺失、来源权重混淆、合规缺口和工具越权。风险控制的对象是知识条目和公共表面。

第一类风险是假设伪装事实。候选解释如果没有证据状态，会被后续报告当成结论。控制方式是 epistemicStatus、reviewState、证据关系和 reviewer 审查。

第二类风险是相关性伪装因果。候选材料和异常同时出现，只能说明存在解释线索。因果判断需要支持证据、反证、时间窗口和审查。演示词表优先使用 hypothesis、supported-by、contradicted-by 等关系类别。

第三类风险是旧知识污染。平台规则、市场偏好、履约状态和历史复盘会变化。旧结论需要 status、validity、supersedes 或 review note 表达当前状态。

第四类风险是来源权重混淆。官网事实、独立报道、企业叙事、演示夹具、内部系统记录和人工访谈材料具有不同证据权重。控制方式是保留 source kind、访问日期、审查状态和演示层身份；报告不得把低权重场景线索写成企业事实。

第五类风险是数据合规。客服记录、订单数据、用户信息、价格策略和活动策略可能涉及隐私、商业秘密或平台规则。演示使用代表性夹具；企业环境使用授权数据源和脱敏策略。

第六类风险是工具越权。执行体可以整理材料、运行查询、生成报告和列出待确认事项。处理动作、价格调整、补货、下架、客服口径发布等业务动作需要授权主体。

第七类风险是结构过度设计。字段、role、rel 和 payload 都有维护成本。新增结构必须服务查询、校验、审查、报告、回源或展示动作。没有消费者动作的结构保留在正文或原始材料中。

第八类风险是运行成功冒充完成。脚本跑通、页面打开、报告生成，只说明某个实现物出现。完成声明需要源表面、图表面、查询、校验、审查、报告和回源全部可观察。

这些风险规范让工具选择保持在问题内部。工具的价值来自缩小状态差，风险控制来自状态、来源、审查和回源。

风险规范也约束后续扩展。新增模型、检索器、接口、字段或关系谓词时，应回到 状态差与算子资格 和 效果验证，说明它缩小哪个差距、引入什么成本、由哪个观察面验收。

26. 完成声明与优秀声明

完成声明是最低条件。达到完成条件，书稿才形成完整人工制品。

对象 完成条件

结构

七部正文、前置部分、附录、术语表、参考文献和索引全部存在

题面覆盖

任务要求的八项内容在覆盖矩阵中全部映射

事实来源

公开事实带来源，推断带推断链，未知保留未知状态

理论边界

无状态认知实体、领域知识来源、知识外化和认识论状态完整定义

问题建模

当前状态、概念依赖、期望状态和状态差完整展开

算子推导

ADOC、RDF、SPARQL、SHACL、全文入口、SOP 和审查状态均对应状态差

SOP

至少三条可执行 SOP

验证

至少六项样例闭合验证和若干业务价值指标

语言

核心正文无内部工具别名、过程污染、待填痕迹和不必要排除句

本书的最低量化门槛包括：七个 Part 全部存在；三条 SOP 完整出现；至少五个查询或验收案例；至少八类风险规范；术语表不少于三十个条目；索引入口不少于四十个；公开网页引用带访问日期；核心正文不出现本地文件名、内部工具别名或私有协作记录依赖。

优秀声明要求更高。每章都应能回答“删除后损失什么”。每个核心术语只定义一次，后文稳定使用。每个工具名都说明缩小的状态差。每个否定表达都服务真实行业成见的认知重置。读者通过目录和每部导言能完成检视阅读；研究审查者能沿引用追溯事实、推断和工具资格；未来维护者能直接使用 SOP、覆盖矩阵、查询模式和术语表。

优秀书稿还要保持书的节奏。正文用段落完成推导，表格承担映射，代码块承担复现，附录承担速查。书稿不能变成散页集合、工具手册或过程记录。每个章节都要把后续章节需要的前提交出来。

完成和优秀共同构成本书的审查面。完成检查结构是否齐全；优秀检查论证是否有必要、语言是否稳定、对象是否自包含、读者是否能复用。

本章的声明也适用于后续维护。新增章节、附录、SOP 或查询模式时，维护者应同时检查它是否服务前文对象，是否破坏术语稳定性，是否增加无来源事实，是否把演示层写成业务层，是否能被 任务要求覆盖矩阵、查询模式速查 或术语表吸收。

Appendix A: 附录 A：任务要求覆盖矩阵

任务要求 书中位置 观察方式

场景说明

植护公开事实、当前状态：材料存在，知识表面分散、概念依赖与异常解释

植护公开事实、渠道运营异常当前状态、问题定义

Agent 目标

无状态认知实体、期望状态：相关上下文范围收缩、执行体的位置

执行体按 SOP 进行材料整理、关系声明、查询报告和审查辅助

工作流设计

ADOC 源表面、RDF 图表面与 SPARQL 查询面、基本流演示边界

数据取得、源表面转写、图投影、查询、校验、审查、报告

Prompt 示例

SOP 作为模型消费表面、附录 B：SOP 速查

三条 SOP：运营材料转写、异常上下文查询与报告、知识条目审查

模型或工具选择

检索作为候选发现、GraphRAG 作为结构增强、状态差与算子资格、全文入口与符号扩展

全文检索、ADOC、RDF、SPARQL、SHACL、执行体 Runtime 的层位

效果验证方式

演示观察面、效果验证、附录 C：查询模式速查

投影、查询、校验、未审队列、报告和回源观察面

风险与规范

外化与认识论状态、SHACL 与审查状态、风险与规范

认识论状态、审查状态、source coordinate、SOP 禁止项

可选加分项

基本流演示边界、演示观察面、附录 C：查询模式速查

代表性夹具、查询模式、校验报告、SOP 迭代面

覆盖矩阵只证明题面要求在书内有对应对象。每个对象的成立仍由正文推导、来源和观察面共同支撑。

Appendix B: 附录 B：SOP 速查

27. 运营材料转写 SOP

对象

新进入的运营材料。
输入

数据取得文件、已有源文档、全文检索结果或图查询结果。
输出

ADOC 源表面中的待审条目、关系声明、未知项列表和变更摘要。

  1. 读取材料来源、导出时间、渠道、SKU、listing、指标和摘要。

  2. 检索已有源表面，查找同 SKU、同渠道、同异常或同规则的既有条目。

  3. 为新事实创建或更新标题节点，写入状态、来源、认识论状态和业务字段。

  4. 将原因解释写为 hypothesis 条目。

  5. 将缺失材料写为显式未知或待确认事项。

  6. 使用既有关系词表声明异常、候选解释、证据、反证和规则之间的连接。

  7. 所有新增或修改条目使用 reviewState=unreviewed。

禁止项：

  • 凭通用经验补企业内部事实。

  • 把候选解释写成已接受结论。

  • 删除旧条目来掩盖状态变化。

  • 创建没有查询、审查或回源用途的字段。

28. 异常相关上下文查询与报告 SOP

对象

已存在的异常事件。
输入

异常 address label、SPARQL 查询结果、源表面回源坐标。
输出

证据化异常解释报告。

  1. 按异常 address label 查询指标观察、listing、候选解释、支持证据、反证、规则、历史复盘和 source coordinate。

  2. 报告第一部分写已知事实，每个事实带来源节点或源位置。

  3. 报告第二部分写候选解释，每个解释标注支持证据、反证或未知项。

  4. 报告第三部分写待 reviewer 或业务人员确认的事项。

  5. 报告第四部分列出回源位置。

  6. 查询结果证据不足时，报告输出未知项和下一步需要取得的材料。

禁止项：

  • 用自然语言流畅度替代证据。

  • 省略反证和未知项。

  • 在报告中新增源表面没有承载的事实。

  • 输出没有 source coordinate 的强结论。

29. 知识条目审查 SOP

对象

reviewState=unreviewed 的知识条目。
输入

未审条目查询结果、SHACL 报告、源文档位置。
输出

审查结果、状态更新和 review note。

  1. 查询所有未审条目，按源文件和标题顺序形成审查队列。

  2. 检查每个节点是否有 headline、role、source coordinate 和认识论状态。

  3. 检查 hypothesis 是否具有支持证据、反证或显式未知。

  4. 检查关系谓词是否服务查询路径，端点是否属于允许角色。

  5. 检查 payload 是否承载复杂结构，并保留 format 或 schema 说明。

  6. 通过的条目标记为 accepted，需要补证据的条目标记为 needs-change，结构不成立的条目标记为 rejected。

  7. 写入 review note，并用关系指向被审条目。

禁止项：

  • 只看文字顺畅程度。

  • 跳过没有来源的结论。

  • 用个人记忆替代源材料。

  • 把结构校验通过当成业务结论通过。

Appendix C: 附录 C：查询模式速查

30. 按异常查候选解释

PREFIX aat: <https://micheng.dev/ns/asciidoc-abundant-tree#>
PREFIX rel: <https://micheng.dev/ns/asciidoc-relation#>

SELECT ?hypothesis ?title WHERE {
  ?anomaly aat:addressLabel "anomaly-id" .
  ?anomaly rel:has-hypothesis ?hypothesis .
  ?hypothesis aat:headline ?title .
}

31. 按候选解释查证据

PREFIX aat: <https://micheng.dev/ns/asciidoc-abundant-tree#>
PREFIX rel: <https://micheng.dev/ns/asciidoc-relation#>

SELECT ?evidence ?title ?path ?line WHERE {
  ?hypothesis aat:addressLabel "hypothesis-id" .
  ?hypothesis rel:supported-by ?evidence .
  ?evidence aat:headline ?title ;
            aat:relativePath ?path ;
            aat:headingLine ?line .
}

32. 查未审条目

PREFIX aat: <https://micheng.dev/ns/asciidoc-abundant-tree#>

SELECT ?node ?headline ?path ?line WHERE {
  ?node aat:reviewState "unreviewed" ;
        aat:headline ?headline ;
        aat:relativePath ?path ;
        aat:headingLine ?line .
}
ORDER BY ?path ?line

33. 查显式未知项

PREFIX aat: <https://micheng.dev/ns/asciidoc-abundant-tree#>

SELECT ?node ?headline ?path ?line WHERE {
  ?node aat:epistemicStatus "declared-unknown" ;
        aat:headline ?headline ;
        aat:relativePath ?path ;
        aat:headingLine ?line .
}

34. 查被替代的旧复盘

PREFIX aat: <https://micheng.dev/ns/asciidoc-abundant-tree#>
PREFIX rel: <https://micheng.dev/ns/asciidoc-relation#>

SELECT ?old ?oldTitle ?new ?newTitle ?path ?line WHERE {
  ?new rel:supersedes ?old ;
       aat:headline ?newTitle .
  ?old aat:headline ?oldTitle ;
       aat:relativePath ?path ;
       aat:headingLine ?line .
}

35. 查无证据候选解释

PREFIX aat: <https://micheng.dev/ns/asciidoc-abundant-tree#>
PREFIX rel: <https://micheng.dev/ns/asciidoc-relation#>

SELECT ?hypothesis ?title ?path ?line WHERE {
  ?hypothesis aat:role "hypothesis" ;
              aat:headline ?title ;
              aat:relativePath ?path ;
              aat:headingLine ?line .
  FILTER NOT EXISTS { ?hypothesis rel:supported-by ?evidence . }
  FILTER NOT EXISTS { ?hypothesis rel:contradicted-by ?counterEvidence . }
}

36. 按规则查受约束条目

PREFIX aat: <https://micheng.dev/ns/asciidoc-abundant-tree#>
PREFIX rel: <https://micheng.dev/ns/asciidoc-relation#>

SELECT ?item ?itemTitle ?path ?line WHERE {
  ?rule aat:addressLabel "rule-id" .
  ?item rel:constrained-by ?rule ;
        aat:headline ?itemTitle ;
        aat:relativePath ?path ;
        aat:headingLine ?line .
}

查询模式需要结合项目词表使用。模板自身只提供查询形态，不替企业完成内部本体设计。

术语表

渠道运营异常

渠道、商品和时间窗口上的运营状态偏离，例如销量、转化率、评分、库存、履约、广告或评论主题的异常变化。

相关上下文范围

某次异常解释需要阅读和审查的局部材料集合，包括异常事实、候选解释、证据、反证、规则、复盘、未知项和源位置。

无状态认知实体

具备通用语义解析和推理能力、但缺乏当前项目情景记忆的执行实体。

执行体

按 SOP 处理材料的行动者，可以是人、code agent、受委派的子执行体或外部模型。

SOP

作业规程。模型消费 SOP 时表现为 Prompt，人消费 SOP 时表现为操作说明。

源表面

人和执行体编辑的结构化文档表面，承担写入、阅读、审查和回源职责。

图表面

从源表面投影出的可查询图数据表面。

审查表面

reviewer 用于检查未审条目、结构缺口、证据关系和来源坐标的表面。

报告表面

把查询和校验结果组织为人可读任务视图的表面。

epistemicStatus

条目的认识论状态，例如 fact、hypothesis、declared-unknown。

reviewState

条目的审查状态，例如 unreviewed、accepted、needs-change、rejected。

source coordinate

回到源表面的路径、标题行、关系 occurrence 或 payload span。

代表性夹具

演示层使用的固定样例材料，用于展示方法运行，不承担企业事实身份。

候选发现

使用全文检索、关键词、BM25、向量召回或混合检索找到可能相关材料入口的动作。

符号扩展

使用图查询沿字段、关系、状态和 source coordinate 展开局部上下文的动作。

维护时知识集成

新材料进入时与既有知识表面发生连接、审查、替代、补证据或声明未知的过程。

任务验收面

外部任务要求在书内对应的可检查对象集合，用于确认场景、目标、工作流、SOP、工具、验证、风险和加分项均被覆盖。

公开事实

来自官网、公开报道、公开行业资料或公开工具文档，并能用来源和访问日期追溯的事实。

来源权重

不同来源在论证中的证据强度。官网事实、独立报道、企业叙事、演示夹具、内部系统记录和访谈材料不能以同一语气写入结论。

高置信推断

由公开事实、行业常识和理论框架共同支持，并显式标明适用范围的判断。

不可推断内容

缺少企业内部资料、访谈、真实样本或系统接口时，外部书稿不能确定的内容。

领域事实

问题世界中的现实条件、业务规则、历史材料、组织授权和环境约束。

规约

人工制品或机器可以控制的行为、结构、接口、状态和输出承诺。

需求

利益相关者希望问题世界呈现的可判断状态。

知识外化

将隐性经验、规则、复盘和判断口径转写为可读、可查、可审、可维护媒介的过程。

候选解释

对异常原因的待审说明。候选解释需要证据、反证或显式未知，不等同于已接受结论。

证据说明

支持、削弱或限定候选解释的材料条目，必须保留来源和回源位置。

反证

削弱或排除某个候选解释的材料或判断。

审查记录

reviewer 对知识条目、关系或报告作出的审查结果。

状态差

当前状态和期望状态之间的可描述差距；算子的资格来自它能缩小的状态差。

数据取得

从平台后台、ERP、WMS、客服系统、广告后台、活动记录或文档中取得运营材料的业务动作。

全文入口

使用全文检索、关键词、BM25、地址标签或短语找到候选资源的入口阶段。

address label

资源的可查询地址标签，可以来自显式 ID、标题文本、生成地址或外部编号。

关系谓词

连接两个资源节点并改变图查询路径的关系类型。

source-aware report

带有源坐标的查询、校验或审查报告。

黑盒测试

只检查公共输入、输出和观察面，不读取执行体内部思路的测试方式。

任务夹具

演示层为复现数据取得、查询、校验和报告动作而准备的固定样例材料。

DSRM

设计科学研究方法论。本书主要使用其问题识别、目标定义、演示、评价和沟通位置来约束书稿对象。

人工制品

在特定问题世界、目标、约束和边界中被构造出来，并能被使用、观察、验证和维护的对象。

状态枚举

对知识条目生命周期、认识论身份或审查结果的有限取值集合。

局部依赖闭包

从异常入口沿字段、关系、状态和来源取得的有限上下文集合。

校验面

把字段、关系、状态和 payload 约束转为可执行检查的表面。

Agent Runtime

承载执行体读取文件、运行命令、调用工具和编辑源表面的运行环境。

参考坐标

  • [zhihu-official] 植护官网，品牌理念与产品系列，https://www.zhihuhouse.com/ ，访问日期：2026-07-03。

  • [pingwest-overseas] 品玩，《植护出海记：福建基因与南洋法则的碰撞》，https://www.pingwest.com/a/303738 ，访问日期：2026-07-03。

  • [pingwest-shopee-logistics] 品玩，《2亿营收背后：“抛货”出海痛点如何被解码为效率革命》，https://www.pingwest.com/a/305265 ，访问日期：2026-07-03。

  • [kr36-haoyiku] 36氪，《携手私域最大特卖渠道好衣库，新消费纸王植护异军突起》，https://m.36kr.com/p/1745102444695298 ，访问日期：2026-07-03。

  • [tmtpost-sea-ecommerce] 钛媒体，《98.8%市场被三巨头瓜分后，东南亚电商还在打什么？》，https://www.tmtpost.com/8028944.html ，访问日期：2026-07-03。

  • [simon-artificial] Herbert A. Simon, The Sciences of the Artificial, MIT Press, 1969.

  • [shannon-communication] Claude E. Shannon, “A Mathematical Theory of Communication,” Bell System Technical Journal, 1948.

  • [hevner-dsr] Alan R. Hevner, Salvatore T. March, Jinsoo Park, and Sudha Ram, “Design Science in Information Systems Research,” MIS Quarterly, 2004.

  • [peffers-dsrm] Ken Peffers, Tuure Tuunanen, Marcus A. Rothenberger, and Samir Chatterjee, “A Design Science Research Methodology for Information Systems Research,” Journal of Management Information Systems, 2007.

  • [tulving-episodic-semantic] Endel Tulving, “Episodic and Semantic Memory,” in Organization of Memory, Academic Press, 1972.

  • [tulving-thomson-encoding] Endel Tulving and Donald M. Thomson, “Encoding Specificity and Retrieval Processes in Episodic Memory,” Psychological Review, 1973.

  • [godden-baddeley-context] D. R. Godden and A. D. Baddeley, “Context-dependent Memory in Two Natural Environments: On Land and Underwater,” British Journal of Psychology, 1975.

  • [zave-jackson-dark-corners] Pamela Zave and Michael Jackson, “Four Dark Corners of Requirements Engineering,” ACM Transactions on Software Engineering and Methodology, 1997.

  • [ryle-concept-mind] Gilbert Ryle, The Concept of Mind, Hutchinson, 1949.

  • [nonaka-knowledge-creating-company] Ikujiro Nonaka and Hirotaka Takeuchi, The Knowledge-Creating Company, Oxford University Press, 1995.

  • [ieee-830] IEEE Computer Society, IEEE Recommended Practice for Software Requirements Specifications, IEEE Std 830-1998.

  • [jackson-requirements-specifications] Michael Jackson, Software Requirements & Specifications, Addison-Wesley, 1995.

  • [agm-belief-revision] Carlos E. Alchourrón, Peter Gärdenfors, and David Makinson, “On the Logic of Theory Change: Partial Meet Contraction and Revision Functions,” Journal of Symbolic Logic, 1985.

  • [hintikka-knowledge-belief] Jaakko Hintikka, Knowledge and Belief, Cornell University Press, 1962.

  • [rag] Patrick Lewis et al., “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks,” arXiv, 2020, https://arxiv.org/abs/2005.11401 。

  • [microsoft-graphrag] Microsoft, GraphRAG Documentation, https://microsoft.github.io/graphrag/ ，访问日期：2026-07-03。

  • [microsoft-graphrag-local] Microsoft, GraphRAG Local Search Example, https://microsoft.github.io/graphrag/examples_notebooks/local_search/ ，访问日期：2026-07-03。

  • [lightrag] HKUDS, LightRAG repository, https://github.com/HKUDS/LightRAG ，访问日期：2026-07-03。

  • [graphiti] Zep Software, Graphiti repository, https://github.com/getzep/graphiti ，访问日期：2026-07-03。

  • [llamaindex-vector-updates] LlamaIndex, Using VectorStoreIndex: Handling Document Updates, https://developers.llamaindex.ai/python/framework/module_guides/indexing/vector_store_index/ ，访问日期：2026-07-03。

  • [rdf12-concepts] W3C, RDF 1.2 Concepts and Abstract Data Model, https://www.w3.org/TR/rdf12-concepts/ ，访问日期：2026-07-03。

  • [sparql12-query] W3C, SPARQL 1.2 Query Language, https://www.w3.org/TR/sparql12-query/ ，访问日期：2026-07-03。

  • [shacl] W3C, Shapes Constraint Language (SHACL), https://www.w3.org/TR/shacl/ ，访问日期：2026-07-03。

  • [asciidoctor-sections] Asciidoctor Docs, Sections, https://docs.asciidoctor.org/asciidoc/latest/sections/ ，访问日期：2026-07-03。

  • [asciidoctor-xref] Asciidoctor Docs, Cross References, https://docs.asciidoctor.org/asciidoc/latest/macros/xref/ ，访问日期：2026-07-03。

  • [asciidoctor-description-lists] Asciidoctor Docs, Description Lists, https://docs.asciidoctor.org/asciidoc/latest/lists/description/ ，访问日期：2026-07-03。

索引

渠道运营异常 相关上下文范围 无状态认知实体 情景记忆 语义记忆 SOP 执行体 源表面 图表面 审查表面 报告表面 epistemicStatus reviewState source coordinate RAG GraphRAG 全文检索 SPARQL SHACL ADOC RDF 代表性夹具 候选发现 符号扩展 维护时知识集成 任务验收面 公开事实 来源权重 高置信推断 不可推断内容 领域事实 规约 需求 知识外化 候选解释 证据说明 反证 审查记录 状态差 数据取得 全文入口 address label 关系谓词 source-aware report 黑盒测试 任务夹具 植护 SKU listing 履约 评论主题 历史复盘 Graphiti LightRAG Microsoft GraphRAG DSRM 人工制品 状态枚举 局部依赖闭包 校验面 Agent Runtime

本索引 section 是书后索引入口。正文中的索引词可继续扩展本页。