AI辅助下的针对核心领域的知识体系构建

大家好，我是人月聊IT。

今天继续聊AI辅助下的知识体系构建。最近我在思考知识体系构建的时候想到一个关键点，即平常我们做的都是知识管理系统，而没有真正意思到知识本身就是一个系统。我们完全可以参考系统分析建模的思路来构建一个新领域的知识体系。

也就是说知识体系的构建应该是从顶朝下的，基于你要研究的业务领域，拆分为具体的场景和问题，然后拆分具体的知识域组件。在这里首先应该考虑清楚应该划分哪些知识域，知识域之间是什么集成和协同关系，这些知识域应该如何协同来支撑场景。

当我谈到这里的时候，大家可以看到实际核心的业务架构规划方法，领域建模，SOA架构的组件化和服务化思想都可以融合进来。我要研究一个新领域不应该一开始就进入到细枝末节，而是应该先搞清楚有哪些大的知识块。比如你要研究金融知识体系，就涉及到资产定价，公司金融，量化交易，风险管理，审计内控等核心大的知识域。

任何新领域的知识体系，在这里不是用简单的思维导图来构建知识结构图。而是引入分层架构的思路，这个可以更好地体现知识的层次，包括知识域之间的关联依赖关系。

任何领域的知识体系都可以分为四个关键层级。即基础理论层，核心业务能力层，扩展应用层和治理管控层。这个层级划分不仅仅适合金融知识体系，而是适合大部分的知识体系构建。

在划分为了知识域后，每个知识域就是一个大的知识组件，这个知识组件对外提供知识服务能力。如果我们按标准的SOA或能力架构思路，我们一开始不应该马上去关心某一个知识域内的知识点细节，而是应该首先关系知识域提供什么样的知识服务能力出来，这些知识服务能够被复用，被组装来满足场景需求。

任何知识体系构建仍然是场景和目标驱动的，场景拆分即流程，流程本身由多个活动组成。那么我们就需要考虑要完成整个场景流程，我们底层的知识域究竟应该提供什么样的知识服务能力出来，这些知识服务如何组装来支撑上层的场景。

类似企业价值评估场景，本身包括了6个阶段步骤。我们参考SOA思路构建知识组装图。就可以很清楚的看到要完成该场景，我们必须具备哪些底层的知识能力，这些知识能力是如何组装编排起来完成最终的场景的。

这个也就是我经常谈到的知识的组装和复用的概念。

当我们构建了顶层的知识域地图后，可以参考类似力导向图的可视化建模方式，输出整个知识域之间的关联依赖关系。注意这里是顶层的知识网络图，方便我们从顶层粗粒度的构建整个知识网络。

基于以上思路可以看到，我们在构建知识体系的时候，在传统静态思维导图的基础上，更加强调了两个关系的东西。一个是知识点间本身的连接，一个是知识点如何编排支撑场景。这个思想实际我前面谈本体建模的思想完全一致。前者构建了完整的静态本体，包括了对象，属性，关系，关系。后者构建了动态本体，包括了行为和规则。

任何知识体系的构建最终都是一个知识网络，任何知识体系的构建最终都是为了知识组件的复用，知识组件的编排来支撑场景和问题。

对于任何知识体系的研究，除了研究知识点之间的关系外，我们还需要做一个重要的工作，就是研究知识的维度。即抽象所有知识点的共性知识维度，从单维视角提升到多维视角来观察知识点本身的聚合关系。而这里最常用的就是知识矩阵。知识矩阵一般包括了静态的结构分解和动态的时间分解，两个维度一交叉形成了完整的知识矩阵。大家可以看下这个抽象过程是否和我们在进行BI或数据仓库系统构建的适合的维度抽象很类似？

那么大家可以思考下知识矩阵究竟解决了什么问题？

简单来说，知识矩阵解决了当你处在某个空间+某个时间切片的时候，我究竟应该采用什么知识组件来解决问题。类似项目管理里面，当你在项目执行阶段的进度管理过程，你应该采用什么方法，工具，技术？

所以大家可以看到知识网络和知识矩阵是完全两种独立的知识可视化呈现，起到不同的作用，并不矛盾。

有了这个，接着才是规划具体的学习路线。而学习路线仍然是参考我前面谈到的D3.js里面的DAG可视化图的方式来构建学习路线。充分的体现学习路线中的前导知识，后延知识的知识脉络。整个知识的学习应该可回溯，可以外延。任何知识你学不清楚学不懂，那么很可能就是前导知识的基础知识没有掌握。任何知识你都学习了还是解决不了实际场景下的问题，那问题一定出在知识的关联和编排上面。

如果你不知道要去哪里，那么给你一张知识地图也没有用。如果你清楚了你的目标，那么就需要一个完整的学习路线图，整个学习路线就是指引你的知识地图。学习路线图会充分的考虑知识点之间的前后依赖关系。

当构建了这周顶层的知识框架后，接着才去考虑每个知识域如何进一步进行知识的分解，知识的集成。形成更细化一层的知识网络地图和知识学习路线。分解，集成，组装，解耦这些系统分析设计中的架构思想，同样适合知识体系的构建。充分体现了系统思考和结构化思维。

为何要如此去构建知识体系？

再次强调我们构建知识体系的目的是为了应用知识体系解决问题，因此我们更加强调知识的复用和知识的组装。只有从一开始我们就是基于场景和问题分解的思路来构建知识块的时候，我们最终形成的知识组件或知识服务能力才是真正可以从底朝上进行组装和编排的。、

知识的最底层是逻辑或逻辑方法，再朝上面走是实体，也就是我们常说的业务对象实体（人，事，物），实体上面是概念，你也可以理解为方法。概念本身就是基于逻辑方法对实体的组合。概念再朝上走就是场景和方法论。我们面对的任何场景或问题，都应该可以拆解为底层的概念实体的组装和应用。构建知识体系不难，真正难得是面对特定问题的时候知识应该如何组装编排。

今天的分享就到这里，希望对你有所启发。