把思想学说做成 AI 能调用的知识资产:工程规范 V1.0 试行版

       把思想学说做成 AI 能调用的知识资产，这是从“人类传播思想”到“序生智能体继承思想”的范式分水岭。

一套新的理论、术语体系或学说，如果直接去问大模型，通常会遇到三种情况：

一是它没听过，按字面意思猜；二是它听过，但理解成别的版本；三是答得似是而非，你分不清哪句来自原文，哪句是它发挥的。

第三种最麻烦。它看起来像懂，实际上在做「语义占位」——用一个相近的概念，替换掉你的术语。

这不是模型的问题，而是缺一个机器可读、可调用、可追溯的入口。下面这套工程规范试行版，就是为这个入口写的。

一、先划边界

做知识资产调用，第一件事不是收集，而是决定「不收什么」。

• 只收学说术语，不收人物、机构、商业信息。

• 不自动生成问答。问答涉及语境与共情，必须由人工撰写。

• 不做观点生成。系统只做检索、引用、组织，不做新的主张。

• 目标是被调用，不是被阅读。站点只是可视化，接口才是项目。

这几条看似保守，实际是在保护学说：一旦允许系统替你发挥，术语边界就会在一次次「合理补充」里被磨掉甚至被嘈杂的开放互联网语义海洋所淹没。

二、最小数据模型

一套可调用的知识库，最小由四类对象组成：

• 概念：术语、英文名、别名、定义、出处、关系。

• 问答：问题、答案、出处、类型。

• 引证：文档、章节、原句。

• 关系：从哪个概念到哪个术语、什么关系。

其中只有一条是硬要求：每个定义必须有出处，且出处能回查。没有出处的定义，规范上不入库。

派生产物可以是 JSONL、CSV、知识图谱和微调数据，但源头都是这四类对象。

三、抽取与裁定

同一术语在不同文档里有不同说法，这是常态。规范要求四步走：

1. 多源比对。相似度低于阈值就记为冲突，进入人工裁定，不自动合并。

2. 裁定有优先级。标准词表优先于正文定义，正文定义优先于举例说明。裁定结果必须保留至少一条出处。

3. 别名有规则。正名不能当别名，否则会出现「别名反过来吞掉正名」。别名必须有原文依据，不能凭语义联想添加。

4. 术语有边界。和通用语义冲突的词，必须在定义或问答里显式区分。比如「Meta-consciousness」在心理学里指 meta-awareness，和 Meta-Consciousness Theory 里的用法不是一回事。

四、问答要人工写

这是整套规范里最不「自动化」的一条，也是最重要的一条。

问答分五类：定义、辨析、关系、引证、边界。每个核心术语至少一条定义型问答；易混术语必须有辨析型问答；复合问题在接口层拆分，而不是在问答库里堆砌。

自动生成的问答看起来很多，但会把术语的细微差别抹平。知识库的价值在于准确，不在于数量。

五、质量门槛

发布前至少过四关：

• 结构：必填字段齐全，出处可解析，关系两端都存在。

• 一致性：同一术语多定义、别名与正名冲突、循环依赖，都要报出来。

• 政策：禁止项泄露，直接阻断发布。

• 抽检：人工按比例抽查定义与问答，记录留档。

指标里最值得盯的是「出处覆盖率」，目标 100%。冲突数应为 0。

六、分发：五种形态，一个源头

1. 包与接口。发布为可安装包，提供 MCP 接口，最小工具集是：回答、取词条、检索、查关系、列目录。包内自带完整知识库，安装即用，不依赖作者服务器。

2. 数据集。以 JSONL、CSV、图结构发布，申请 DOI，保证可引用。

3. 站点。每个概念一个独立 URL，带结构化数据、llms.txt、sitemap。临时隧道不算稳定站点。

4. 目录与注册表。提交 MCP 官方注册表和至少一个第三方目录；国内平台单独维护。

5. 版本与 DOI。包版本语义化，数据集区分「版本 DOI」和「总 DOI」，每次内容变更记录说明。

五种形态共用同一份源头数据，避免各渠道口径不一致。

七、许可要分层

代码用 MIT，内容用 CC BY-NC-SA 4.0：署名、非商业、相同方式共享。商业使用另行授权。

分层的好处是：工具可以自由使用，学说本身保持边界。这两件事不应该用同一个许可证。

八、复现清单

□ 选定源文档，确认版权与许可

□ 抽取术语与定义，记录出处

□ 多源比对，冲突裁定

□ 别名归一，禁止正名作别名

□ 禁止项过滤

□ 人工撰写问答

□ 结构、一致性、政策检查通过

□ 生成派生数据集

□ 构建站点与结构化数据

□ 打包发布，接口自测通过

□ 申请 DOI

□ 提交注册表与目录

□ 记录版本与变更

九、还差什么

这份规范目前只是 v1.0试行版，还有五个缺口：

• 还没有第二个语料验证，不能证明它不依赖特定内容；

• 远程 MCP 是否纳入最小标准，尚未确定；

• 问答质量还缺客观评估指标；

• 多人协作时，术语裁定如何留痕、如何合并；

• 中英术语的映射与检索一致性。

等第二个案例跑通吧，我们再来发布「可复制的教程」。在那之前，它只是一份基于单个实践的方法说明而已。

写在最后

这件事的核心，不是让 AI 记住一套学说，而是让它每次都能查到准确的版本。