Jenga mfumo wa usimamizi unaoendeshwa na ontolojia kutoka mahitaji ya biashara kwa kutumia ontology-driven-dev

Utangulizi wa mradi

ontology-driven-dev ni ujuzi wa AI unaolenga uundaji wa mifumo ya biashara, ukitumia mbinu ya hatua tatu yenye mpangilio mkali: “uchunguzi wa mahitaji → uundaji wa ontolojia → ujenzi wa programu”. Unaweza kuanza kwa maelezo mafupi ya biashara na, baada ya uthibitisho wa kibinadamu katika kila hatua, kupata hati ya mahitaji ya programu, YAML za miundo saba, pamoja na mfumo wa mbele na nyuma unaoweza kuendeshwa katika kivinjari.

Lengo lake kuu si kuifanya AI izalishe msimbo kwa haraka tu, bali kuhakikisha hati ya mahitaji, modeli ya ontolojia na msimbo wa mwisho vinaendana kikamilifu. Majedwali ya hifadhidata, API, menyu, ruhusa, mtiririko, kanuni na ripoti zote hutumia modeli kama chanzo cha maana, hivyo kupunguza tatizo la mahitaji, usanifu na utekelezaji kutokulingana.

Hatua ya uchunguzi wa mahitaji ina hatua nane. Kila hatua lazima isimame na kusubiri uthibitisho wa kibinadamu; Agent hairuhusiwi kuiruka kiotomatiki.

Uwezo mkuu na muundo wa mradi

Sifa muhimu

• Ufuatiliaji wa mahitaji: Kila kipengele kinaweza kufuatiliwa hadi kipengele chake husika katika hati ya mahitaji ya programu.
• Maana iliyounganishwa ya modeli saba: M1, M2, M3, M5, M6, M7 na MU YAML hutumika kueleza vitu, tabia, kanuni, wahusika, michakato, hoja na ripoti, pamoja na UI.
• Lango la uthibitisho wa kibinadamu: Hatua ya sifuri hadi hatua ya saba ya uchunguzi wa mahitaji lazima zithibitishwe na mtu kabla ya kuendelea.
• Msingi wa teknolojia uliojengewa ndani: code-paas hutoa msingi wa programu ya monolith inayotumia Flask, SQLite, React na TypeScript, pamoja na usimamizi wa mfumo, injini ya mtiririko, dawati la kazi na sajili ya ontolojia.
• Mwingiliano asilia wa AI: Programu inayozalishwa lazima iwe na kisanduku cha mazungumzo cha AI upande wa kulia, kinachotumia uingizaji wa sajili ya ontolojia, miito ya zana, majibu ya mtiririko wa SSE na mipaka ya usalama ya SQL ya kusoma pekee.
• Utangamano na zana nyingi: Inaweza kutumiwa na WorkBuddy, Claude Code, Codex, Cursor, Aider, Cline na Agent za jumla zinazoweza kupakia maagizo ya mradi.

Yaliyomo muhimu katika hazina

• SKILL.md: Hufafanua mbinu, mchakato wa hatua tatu na kanuni za utekelezaji zinazopaswa kufuatwa.
• references/: Ina viwango vya uandishi wa mahitaji, mfumo wa uundaji wa ontolojia, mwongozo wa uundaji kutoka modeli hadi utekelezaji, usanifu wa teknolojia asilia wa AI na viwango vya UI/UE.
• reference-example/: Mfano kamili wa usimamizi wa utekelezaji wa mikataba ya mauzo, ukiwa na hati ya mahitaji, YAML za modeli saba na manifest.json.
• techbase/: Msimbo wa chanzo wa code-paas unaoweza kunakiliwa na kupanuliwa, ukiwa na sehemu ya nyuma, sehemu ya mbele, mifano ya modeli na faili za utegemezi.

Andaa mazingira ya uendeshaji

Kabla ya kuanza, thibitisha kuwa mashine yako ina mazingira yafuatayo:

• Python 3.10 au toleo la juu zaidi.
• Node.js 18 au toleo la juu zaidi.
• Ufikiaji wa mtandao wakati wa kusakinisha utegemezi wa Python na sehemu ya mbele kwa mara ya kwanza.

Sehemu ya nyuma hutumia Flask na SQLite, huku sehemu ya mbele ikitumia React, TypeScript na Vite. Mradi unatumia MIT License, hivyo unaweza kutumiwa, kurekebishwa na kusambazwa tena kwa uhuru.

Sakinisha kwenye zana za uundaji za AI

Sakinisha kwenye Claude Code

Claude Code inaweza kugundua kiotomatiki SKILL.md katika saraka ya ujuzi. Unaweza kuchagua usakinishaji wa kiwango cha mtumiaji ili miradi yote iweze kuutumia:

cp -r ontology-driven-dev ~/.claude/skills/ontology-driven-dev

Unaweza pia kusakinisha kwenye mradi wa sasa:

cp -r ontology-driven-dev .claude/skills/ontology-driven-dev

Baada ya kukamilika, Claude Code itatambua na kupakia mchakato kulingana na name na description katika frontmatter ya ujuzi.

Sakinisha kwenye WorkBuddy

Amri ya usakinishaji wa kiwango cha mtumiaji ni:

cp -r ontology-driven-dev ~/.workbuddy/skills/ontology-driven-dev

Ikiwa ungependa kuutumia katika mradi mmoja pekee, tekeleza:

cp -r ontology-driven-dev <mradi-wako>/.workbuddy/skills/ontology-driven-dev

Sakinisha kwenye Codex

Codex haina sajili asilia ya ujuzi, kwa hiyo kwanza unahitaji kunakili ujuzi kwenye hazina:

mkdir -p .codex/skills
cp -r ontology-driven-dev .codex/skills/

Kisha ongeza kanuni ya upakiaji katika codex.md au AGENTS.md ya mradi:

Mtumiaji anapotaka “uundaji unaoendeshwa na ontolojia, uchunguzi wa mahitaji, uundaji wa ontolojia, modeli saba, code-paas au programu asilia ya AI”, pakia .codex/skills/ontology-driven-dev/SKILL.md na ufuate kikamilifu mchakato wa hatua tatu pamoja na lango la uthibitisho wa kibinadamu.

Codex itaweka uthibitisho wa kibinadamu katika mfumo wa maswali ya maingiliano au idhini. Sanduku lake la mchanga linahitaji mtandao ili kutekeleza npm install na pip install.

Kwa Cursor, Aider au Cline

• Cursor: Weka yaliyomo ya SKILL.md katika kanuni za mradi au .cursorrules.
• Cline, Aider: Bandika SKILL.md mwanzoni mwa kikao, au mwombe Agent ipakie njia yake.
• Agent nyingine: Ingiza faili hiyo katika muktadha kama maagizo ya mfumo au kumbukumbu ya mradi.

Hatua ya kwanza: Chunguza na thibitisha mahitaji

Hatua ya kwanza inategemea references/AI需求探索与确认提示词V9.0.md, na hubadilisha maelezo ya awali ya biashara kuwa hati rasmi ya mahitaji ya programu.

Unaweza kumpa Agent maagizo kama haya:

Nisaidie kuunda mfumo wa usimamizi wa utekelezaji wa mikataba ya mauzo unaohitaji kusimamia mikataba, malipo yaliyokusanywa, uwasilishaji na idhini.

Agent inapaswa kuendelea kwa zamu katika hatua nane zifuatazo:

1. Uelewa wa jumla.
2. Vitu vya biashara.
3. Vipengele na kanuni za biashara.
4. Uhusiano kati ya vitu.
5. Ushirikiano wa mwisho hadi mwisho na mtiririko wa idhini.
6. Hoja, takwimu na ripoti.
7. Wajibu na ruhusa.
8. Prototipu ya UI, kwa hiari kulingana na mahitaji.

Baada ya kila hatua, Agent lazima ianzishe uthibitisho kwa muundo wa “swali, pendekezo la AI, sababu, chaguo nyingine, jibu la haraka”, kisha isimame kusubiri uamuzi wako. Maudhui ya aina B maalum kwa kampuni lazima pia yaulizwe wazi; bila uthibitisho, hairuhusiwi kuingia katika hatua inayofuata.

Hatua hii hatimaye huzalisha:

<eneo-la-biashara>-需求规格说明书-V9.md

Kiambatisho C cha hati hiyo ndicho msingi wa uingizaji wa uundaji wa modeli saba katika hatua inayofuata. Kwa hiyo, unapaswa kuangalia kwa makini kama vitu vya biashara, michakato, kanuni, wajibu na ripoti vimekamilika.

Hatua ya pili: Zalisha YAML za modeli saba

Baada ya mahitaji kuthibitishwa, Agent huunda modeli ya ontolojia kulingana na references/ontology_modeling_framework_v9.md na Kiambatisho C cha hati ya mahitaji. Katika hatua hii, ingizo tayari ni msingi uliothibitishwa, hivyo mgawanyo mpana wa biashara haupaswi kufanywa upya.

Ikiwa tayari una hati ya mahitaji ya programu inayokidhi masharti, unaweza kuanzisha moja kwa moja mchakato wa uundaji wa modeli pekee:

Kwa kutumia hati hii ya mahitaji ya programu, fanya uundaji wa ontolojia na utoe YAML za modeli saba pamoja na manifest.json.

Yaliyomo yanayotolewa katika saraka ya yaml/ ni pamoja na:

• Modeli ya vitu M1: Hueleza vitu vya biashara.
• Modeli ya tabia M2: Hueleza tabia za biashara.
• Modeli ya kanuni M3: Hueleza kanuni za biashara.
• Modeli ya wahusika M5: Hueleza wajibu na wahusika husika.
• Modeli ya mchakato M6: Hueleza michakato ya biashara.
• Modeli ya hoja na ripoti M7: Hueleza hoja na ripoti.
• Modeli ya UI MU: Hueleza kiolesura cha mtumiaji.
• manifest.json: Hurekodi orodha ya modeli.

Baada ya uundaji wa modeli kukamilika, fanya ukaguzi wa ulinganifu unaojumuisha angalau ufuatiliaji wa mahitaji, uhusiano wa moja kwa moja kati ya M7 na M2, na kuhakikisha marejeleo ya M6 hayana mizunguko. Ukigundua kutokulingana, rekebisha modeli kwanza kabla ya kuingia katika hatua ya ujenzi wa msimbo.

Hatua ya tatu: Jenga mfumo wa BS unaoweza kuendeshwa

nakili msingi wa teknolojia wa code-paas

Nakili kikamilifu techbase/ kutoka katika saraka ya ujuzi hadi code-app/ ya mradi wa sasa:

cp -r <saraka-mzizi-ya-ujuzi>/techbase/. <mradi-wa-sasa>/code-app/
cd <mradi-wa-sasa>/code-app/frontend && npm install
cd <mradi-wa-sasa>/code-app/backend && pip install -r requirements.txt

Wakati wa uundaji rasmi, badilisha YAML za mfano za modeli saba katika msingi huo kwa modeli zilizozalishwa katika hatua ya pili.

Tekeleza kwa mpangilio wa hatua kumi

1. Andika au panga YAML za modeli saba.
2. Zalisha DDL na majedwali ya hifadhidata.
3. Sajili kamusi ya data.
4. Tekeleza huduma za tabia na kanuni.
5. Andika data ya awali ya wajibu na ruhusa.
6. Unganisha injini ya mtiririko.
7. Zalisha menyu, kurasa na njia.
8. Tekeleza kisanduku cha mazungumzo cha AI upande wa kulia.
9. Fanya majaribio ya muunganisho wa mnyororo mzima wa mbele na nyuma.
10. Kamilisha uthibitishaji kulingana na mahitaji na modeli.

Kisanduku cha mazungumzo cha AI upande wa kulia ni sehemu ya lazima na hakipaswi kuachwa wakati wa uundaji. Lazima kifuate uingizaji wa sajili ya ontolojia, miito ya zana, usafirishaji wa mtiririko wa SSE na mipaka ya usalama ya SQL ya kusoma pekee iliyofafanuliwa na mradi.

Anzisha sehemu ya nyuma na sehemu ya mbele

Anzisha sehemu ya nyuma ya Flask:

cd code-app/backend
pip install -r requirements.txt
python app.py

Anwani chaguo-msingi ya kufikia sehemu ya nyuma ni http://localhost:5000.

Fungua terminal nyingine na uanzishe seva ya uundaji ya sehemu ya mbele:

cd code-app/frontend
npm install
npm run dev

Anwani chaguo-msingi ya kufikia sehemu ya mbele ni http://localhost:5173. Akaunti chaguo-msingi ni admin, na nenosiri chaguo-msingi ni admin123; kwa maelezo zaidi ya uendeshaji wa msingi, angalia techbase/README.md.

Njia za kawaida za kuanzisha

Kulingana na ingizo na lengo lililopo, unaweza kutumia kauli tofauti za kuanzisha.

Anza na mahitaji na fanya uundaji kamili

Nisaidie kuunda mfumo wa usimamizi wa matengenezo ya vifaa, fuata kikamilifu mchakato wa uundaji unaoendeshwa na ontolojia, na subiri uthibitisho wangu katika kila hatua ya uchunguzi wa mahitaji.

Fanya uundaji wa ontolojia pekee

Fanya uundaji wa ontolojia kulingana na hati hii ya mahitaji ya programu, na utoe M1, M2, M3, M5, M6, M7, MU pamoja na manifest.json.

Jenga programu kwa kutumia modeli zilizopo

Zalisha mfumo kwa kutumia YAML hizi za modeli saba, tumia msingi wa code-paas, na ukamilishe majaribio ya muunganisho wa mbele na nyuma.

Maneno muhimu kama “uundaji unaoendeshwa na ontolojia”, “uchunguzi wa mahitaji”, “uundaji wa ontolojia”, “modeli saba”, “code-paas”, “programu asilia ya AI” na “uundaji wa mfumo wa biashara” yanaweza pia kusaidia Agent kutambua ujuzi huo.

Mapendekezo ya matumizi ya hali ya juu

Usiruke lango la uthibitisho wa kibinadamu

Hata kama mahitaji ya awali yanaonekana kuwa kamili, usimruhusu Agent azalishe mfumo moja kwa moja kwa mara moja. Uthibitisho wa kila hatua unaweza kufichua mapema matatizo ya mipaka ya vitu, vituo vya idhini, upeo wa ruhusa na vipimo vya takwimu.

Tumia Kiambatisho C kama mpaka wa uundaji wa modeli

Hatua ya pili inapaswa kutumia Kiambatisho C cha hati ya mahitaji kama ingizo lililothibitishwa. Ukigundua maudhui muhimu ya biashara hayapo wakati wa uundaji wa modeli, rudi katika hatua ya mahitaji ili kuyaongeza na kuyathibitisha, badala ya kuuruhusu modeli kupanua yenyewe upeo wa biashara ambao haujathibitishwa.

Kagua kwanza marejeleo kati ya modeli

Kabla ya kuanza kujenga msimbo, hakikisha hasa uhusiano unaolingana kati ya M7 na M2, uhusiano wa marejeo wa M6, pamoja na ufuatiliaji kutoka vipengele vya mahitaji hadi vipengele vya modeli. Makosa katika safu ya modeli yakifika kwenye hifadhidata, kiolesura na kurasa, yataongeza gharama ya uunganishaji na majaribio ya baadaye.

Hifadhi mfano bora kwa marejeo

reference-example/ hutoa mfano kamili wa utekelezaji wa usimamizi wa mikataba ya mauzo. Unapotumia kwa mara ya kwanza, unaweza kurejelea maelezo ya mahitaji, YAML za modeli saba na manifest.json vilivyomo humo ili kuelewa jinsi matokeo ya kila hatua yanavyounganishwa.

Badilisha modeli kwanza, kisha panua msingi

techbase/models/ ina modeli za mfano. Katika mradi rasmi, kwanza weka YAML zako za modeli saba, kisha panua huduma za upande wa nyuma, ruhusa, mtiririko wa kazi, menyu na kurasa kulingana na mchakato wa hatua kumi kutoka modeli hadi utekelezaji, ili kuepuka kurekebisha moja kwa moja msimbo wa biashara ukizingatia data ya mfano.

Hitimisho

ontology-driven-dev huunganisha kufafanua mahitaji, uundaji wa ontolojia na utekelezaji wa programu kuwa mnyororo mmoja wa usanidi wenye vizuizi vya ukaguzi wa kibinadamu. Jambo kuu la kuitumia kwa usahihi ni kuendelea kuthibitisha mahitaji kwanza, kisha kuhakiki ulinganifu wa modeli saba, na mwishowe kujenga na kukubali mfumo kwa msingi wa code-paas. Kwa njia hii, unaweza kutumia AI kuongeza ufanisi wa kutengeneza mifumo ya biashara huku ukihifadhi chanzo cha maana kilicho wazi na uhusiano kamili wa ufuatiliaji wa mahitaji.