从知识依赖到可验证执行：面向医工协同智能体的前置条件图谱框架

摘要

目的：针对医工协同智能体能够检索知识、调用工具，却可能遗漏前置条件、复用失效结果或错误报告完成的问题，探讨一种将知识依赖转化为可检查执行条件的方法。

方法：采用问题驱动的概念分析、定向资料核对与系统设计。以开源教育图谱 os-taxonomy 为启发，结合检索增强生成、图检索、行动规划和来源追溯研究，提出适用于 chcomct SI 研发场景的前置条件图谱；使用骨盆模型打印准备这一假设任务说明机制，并设计与固定流程及工具型智能体的比较方案。

框架产出：区分知识与技能定义、任务实例状态、验证证据以及授权关系；以合取和备选条件表达任务依赖，依据证据适用范围与版本计算当前可执行步骤，并在输入、配置或对象变化后更新受影响的验证状态。将人员能力评价与病例任务验收分开，提出错误放行、误阻断、异常恢复及人工工作量等评价指标。

结论：显式依赖关系可作为连接目标、工具和证据的工程结构，其有效性取决于关系定义、检查方法与实际观察是否可靠。本文提出可实施、可检验的设计，尚无受控实验数据支持其效率或正确性优势。

关键词：知识图谱；前置条件；医工协同；智能体；检索增强生成；任务编排；证据追溯

1 引言：从回答问题走向判断执行条件

“把这例骨盆数据做成可打印模型”是一句简洁的业务指令，却包含目标结构确认、输入检查、算法选择、模型核验和制造准备等相互依赖的工作。智能体可以理解语句并找到相关操作说明，但仍可能在输入不完整、对象版本改变或设备状态未知时继续执行。需要研究的对象，是系统如何判断当前条件是否足以支持下一项动作。

这一问题与教育中的前置知识识别具有结构上的相似性：学习目标需要若干基础概念，工程目标需要若干有效输入与完成条件。两者的语义并不相同。教学依赖可能随学习者和教学方式变化；工程依赖则可能涉及接口要求、对象一致性与设备约束，必须落实为可观察的判断。本文借鉴依赖显式化的方法，不将教育图谱的内容直接迁移为医疗业务规则。

本文的工作是将已有图结构、规则检查和任务记录方法组织成一个适用于医工协同的设计框架。贡献限定为问题分解、对象与证据绑定规则以及可证伪的评价方案，不主张发明知识图谱、工作流引擎或一种已获验证的新规划算法。

2 公开项目启示与相关研究

Marble发布的 os-taxonomy v1 数据清单列出1,590个微知识点、3,221条前置依赖和8个学科^[1][2]。项目将知识点描述、掌握证据与测评提示放在节点上，在关系中记录前置对象、hard或soft强度及理由，并映射到美英等课程框架。它提供的是具有课程背景的结构化数据，不能据此推定覆盖中国小学全部课程或已证明能够改善学习成效。

其对本研究最直接的启示是：除了记录“有什么知识”，还记录“为什么依赖另一项知识”以及“怎样观察是否掌握”。但一条关系附有解释，仍不等于解释正确。结构校验只能发现格式、引用或环路等问题；依赖的语义合理性需要另有审查。教育图谱中的必要先修、推荐先修和内容关联，也不能统一转译为工程中的强制阻断条件。

RAG通过外部检索材料辅助生成^[3]；GraphRAG研究使用实体关系及社区摘要支持面向语料整体的问题回答^[4]。这些研究为资料组织和检索提供依据，但检索相关性、回答完整性与任务可执行性是不同评价对象。本文所称“前置条件图谱”主要表达动作条件及证据关系，并不等同于GraphRAG中的实体图。

ReAct研究将语言模型推理与行动交互结合^[5]；Graphplan展示了显式规划图对行动搜索的作用^[6]；W3C PROV以实体、活动和参与者组织来源信息^[7]。本文借鉴上述工作对行动与来源的结构化表达，提出面向具体业务的组合设计。引用这些方法不构成对本文框架有效性的实证证明。

3 研究方法与适用范围

研究步骤包括：核对公开项目与原始文献，识别教育依赖与工程条件的差异，定义任务和证据对象，构造一个不涉及真实患者的业务示例，再提出对照评价和失效场景。本次为定向资料分析，不属于系统综述；未声称检索完整，也未实施患者研究、设备实验或算法性能测量。

应用背景为子殷科技围绕chcomct SI提出的提示词、参数配置、技能封装、RAG、工具调用和流程编排六能力框架^[8]。本文进一步讨论其中的条件检查与证据关联，不把既有背景文章当作独立效果证据，也不据此推定新框架已接入平台。

本文适用于研发与工程验证阶段的任务组织。示例中的可打印性、对象完整性和执行状态均需各自的检查方法；涉及临床用途时，还需相应用途的专业评价与放行条件。本文不设定通用医学质量阈值，不将制造可行性等同于解剖准确性或临床有效性。

4 框架设计：定义、状态、证据与授权分别表达

可复用定义层描述知识、技能、动作和条件：一项技能适用于什么目标，接受什么输入，使用哪种检查方法，哪些条件必须同时成立，哪些只是建议。每条条件关系保存理由、来源、适用范围、审查状态和版本。来源不足的候选关系可以用于提出检查建议，不能未经验证就成为阻断业务的正式规则。

任务实例层描述本次对象与执行过程：目标、数据引用、模型版本、所选配置、当前步骤和观察记录。可复用定义中的“具备网格检查能力”与任务实例中的“当前网格检查通过”分别保存。算法存在、工程师掌握技能、当前产物已验证以及当前动作已获授权，是四个不同判断，任何一个都不能代替其余判断。

证据层说明某项判断针对什么对象、由什么方法、在什么时候得到。建议至少记录对象版本或内容摘要、检查程序及配置版本、结果、适用范围、观察时间和出具者。来源追溯帮助理解结果如何产生，但并不自动证明结果正确。尤其不能仅凭同一生成模型再次肯定自己的产物，就认为已形成独立验证。

授权关系说明允许谁以何种用途对哪些对象执行什么动作。它由实际业务授权与平台权限约束，不从检索文本、模型回答或人员测评成绩推导。具体授权规则仍沿用已有制度；图谱负责表达并核对其适用性。

对每个条件，至少区分“满足、不满足、未知”；证据缺失、过期或不适用于当前版本时记为未知，并保留具体原因。对于需要全部满足的条件组，只要存在不满足项，该组即不满足；没有不满足项但存在未知项时，该组为未知；全部满足时才为满足。备选条件组中至少一条有效方案完整满足，才可判定该组满足。

5 从最短路径转向满足全部约束的任务计划

简单的最短路径通常寻找起点到终点的一条边序列，而实际任务经常要求多项条件同时成立。例如进入打印准备可能同时要求模型版本核验、设备配置匹配和制造方案审核。仅找到通向目标的一条短路径，会遗漏并行存在的必要条件。

本文建议在选定业务方案后，对必需依赖进行递归展开，并表达“全部满足”的合取条件与“满足其一”的备选方案。备选方案必须在同一目标、质量要求和用途边界内成立；人工处理也只有在符合这些要求时才是有效备选。算法不可用不能成为放宽质量标准的理由。环路、相互排斥的方案及缺失定义应作为规则问题报告。

可以把某一步的就绪判定概括为：当前任务适用，全部必要条件满足，选定的备选方案成立，且授权与资源条件有效。软依赖可以影响推荐次序，但不能通过加权得分抵消未满足的硬条件。这一表达是设计约束，不是保证系统安全或正确的数学证明。

计划选择应在可行方案中考虑处理时间、人工负担、资源和验证成本。若没有预先明确这些目标及权重，就只能称为可行或推荐计划，不能宣称得到“最优路径”。对于设备空闲等易变条件，应在动作前再次检查，并结合资源占用机制；检查时可用不代表提交时仍可用。

一次冻结的任务计划可按无环依赖组织，实际运行则允许纠错和重试。重试应产生新的尝试记录和产物版本，不修改历史记录来制造顺利完成的轨迹。版本化的事件历史与任务计划承担不同职责，不能用一张静态图替代全部运行状态。

6 场景推演：骨盆模型打印准备中的条件变化

以下为假设任务，用于说明机制，不是已完成病例。用户提出“将指定骨盆影像中的目标结构制作成保持原始尺度的打印模型”。系统先将任务目标、结构范围和用途绑定到同一任务，再核对输入、算法与后续产物之间的对应关系。原始形态重建与复位候选应作为不同任务目标表达。

假设分割已结束，但某个应导出的目标标签在模型清单中缺失。模型文件存在、网格闭合和切片程序能够运行，均不能覆盖这一缺项。系统应将“目标结构完整”记为未满足或待核验，定位到导出及对象核对环节，并保留已生成产物。具体是否确属遗漏，需要对照任务要求、标签定义和源影像确认。

假设工程师随后修改了模型。旧网格检查、旧切片及针对旧模型的审核不能自动继承。系统应沿证据依赖关系标记受影响结果待复核，只有能证明未受影响的结果才可保留有效性。失效范围过窄会复用旧结果，过宽则会造成无必要的重复工作，二者都应进入评价。

假设模型核验通过，但制造空间不足。系统可以检查经允许的摆放方式或提出分件方案；保持原始尺度是任务约束，不能通过静默缩小模型完成装载。改变交付方式需要按已有业务规则处理，并重新核验受影响项目。

假设任务进入设备提交后连接中断。超时只说明当前未获得确定回执，不能说明设备未接受任务。系统应查询既有作业并核对对象，避免直接重复提交。若设备接口缺少可靠的去重或事务支持，应明确保留未知状态，不能仅凭本地请求标识承诺严格的恰好一次执行。设备完成后的实物检查与业务结案同样使用独立完成条件。

7 与六项能力及工程师培训的协同

前置条件图谱可以服务于六项能力的协同：提示词帮助理解目标并提出候选步骤；参数配置声明适用范围；技能封装提供真实操作及验收接口；RAG检索规则依据；工具调用获取或改变状态；流程编排按条件决定执行、等待、恢复或转交。图谱应复用已有任务入口和记录结构，不要求额外增加面向用户的操作页面。

工程师培训可复用知识与技能定义，但使用独立的人员测评记录。若新工程师在“导出结构完整性核对”中连续出现问题，可以追溯到标签语义、目标清单或导出映射的具体知识缺口，安排练习与复核。不能仅凭一次答题失败断定某项前置能力缺失，也不能把阅读完成、聊天中的自我声明或图谱路径遍历当作技能掌握证据。

人员能力记录用于分配培训与协作支持；任务验收记录用于判断当前产物。两者通过技能定义关联，分别维护时间、证据和适用范围。培训系统知道某人具备能力，并不意味着其处理的每一例都正确；任务工具返回通过，也不意味着所有参与者都已掌握相应知识。

8 验证方案：以错误放行和实际工作量评价净收益

建议分两阶段验证。先在合成任务与模拟设备中检查条件组合、版本失效和中断恢复，再在获准使用的历史任务及限定设备环境中进行独立评价。开发和评价材料应分开；涉及病例时按患者分组。任务纳入、质量终点、必要审核、异常类型和统计方法应在比较前固定，不能看到结果后放宽验收条件。

比较至少包含三种条件：A为成熟的固定流程或规则引擎；B为使用相同工具及知识材料的基础智能体；C为加入显式依赖、证据绑定与失效处理的智能体。主要比较B与C用于评价整套机制的增益，A用于判断是否确有必要引入更灵活的调度。不同条件保持输入、算法、工具版本和硬件资源尽量一致。

固定规则也能够表达前置条件，因此不能预设图谱方案必胜。若要区分各组件贡献，可在C中分别移除版本失效处理或显式依赖表示，其余机制保持一致；解释这些比较时要说明耦合关系。消融验证应在模拟或回放环境中进行，不能为了比较而在真实生产中移除必要保护。

主要终点建议设为：在已标注为至少缺失一项必要条件的执行机会中，系统仍放行的比例。同时报告有效条件已经满足却被阻止的比例、按预定质量标准完成的任务比例，以及各类严重错误的原始计数。预期收益是减少错误放行且不造成不可接受的误阻断和额外工作；这一预期尚待数据检验。

故障应覆盖缺失结构、过期检查、对象错配、备选方案未完整满足、授权不适用、设备状态变化和提交后断连等情形。参考判定由未参与候选生成的人员依据输入与记录完成，保留分歧与裁决。注入故障的检测率不能直接代表自然业务中的错误发生率，应分别报告。

同一任务在不同条件下比较可减少任务难度差异；涉及人工练习时需控制学习与顺序效应。重复运行按任务或患者聚类报告，不能将多次重复视为独立病例。样本量根据预试验、目标差异或置信区间宽度确定；零次观察到错误也需给出样本量及不确定性，不解释为风险消失。

只有当最终质量保持、错误减少或异常恢复改善，并且人工处理与维护成本处于可接受范围时，才能认为具有净收益。若只增加图谱数量和审核时间而未改善交付，应简化或撤回无效关系，保留可核查的失败结果。

9 实施路径、维护成本与局限

实施可从一种已有完整记录的业务开始，整理目标、必要输入、工具产物、核验方法和典型失败，再将最小规则接入现有流程。关系的采用应经过具体任务验证。初期可用结构化文件或现有数据库表达，无需先建设大规模图数据库；只有查询规模和维护需求足以支持时，再选择更复杂的技术。

规则维护应记录关系提出、审查、生效与变更依据。工具接口或工艺变化时，检查受影响的条件和验证方法；对于来源冲突，保留分歧而非自动合并。最值得优先维护的是会影响交付正确性的依赖，不应把图谱中心性或连边数量直接当作风险、教学价值或业务收益。

开源项目采用分层许可：数据库结构为ODbL 1.0，项目原创文本为CC BY-SA 4.0，外部课程标准遵循各自来源条款^[9]。本研究仅引用其公开说明并借鉴组织思想，未复制教育数据构建医疗图谱；后续如实际复用数据、文本或衍生内容，应按对应条款核对署名与共享要求。

本框架的局限包括：定向检索可能遗漏相关研究；单一企业场景限制外推；规则审查本身可能出错；证据记录可能与真实产物错配；实时状态可能在检查后改变；维护与人工复核可能抵消自动化收益。图谱将隐含假设显式化，也可能将错误假设固化，必须允许纠正并评价维护成本。

本次未实施上述系统，也未完成受控比较、独立复现或临床效果研究。教育项目的结构与本框架的工程推演均不能证明模型精度提高、工程师能力提升或患者获益。此类结论需在各自对应的研究中获得证据。

10 结论

从教育知识依赖到医工任务执行，可以迁移的是明确表达前置关系、适用范围与验证证据的方法。对于chcomct SI，关键设计是将可复用能力定义与当前任务状态分开，在全部必要条件有效时执行，在对象或配置变化后重新检查受影响证据，并对未知状态作出可追溯处理。

这一框架能否产生价值，应由相对于固定流程和基础智能体的错误放行、误阻断、交付质量、异常恢复与人工成本共同判断。下一步研究应围绕一个限定业务完成实现与比较，使“当前缺什么、下一步能做什么”成为能够被外部证据核查的系统行为。

作者、AI辅助与利益关系说明

作者：瑜秀曈芯。子殷科技为文中应用场景相关系统的研发参与方，存在对自身研发方向进行分析的利益关系。本文是公开方法学讨论，未经学术期刊同行评审。

ChatGPT参与公开资料检索核对、框架讨论、文字组织与网页排版。本文没有新增患者研究，不披露患者资料、内部设备标识或访问凭据。图和表均为本文提出的设计或评价示意，不是实验结果。公开文章的发布不代表相应研发功能已经部署或通过验收。