SonaMinds 概念库

SonaMinds 概念库用于说明 SonaMinds 背后的理论基础，包括专家知识表达、知识矩阵推理、结构化问题理解、上下文范围控制和面向研究性问答的 AI 知识处理方法。

SonaMinds 不是一个简单的文档聊天机器人。它的出发点是，专家知识不应该被理解为一堆松散的文本片段。专家知识有内部结构。它由根本问题、稳定概念、理论模型、判断方法和支撑材料共同构成。一个系统即使能检索到相关段落，也可能仍然用错误的思维方式回答问题。

SonaMinds 概念库以正式概念的方式说明这套方法。它定义若干关键术语、区分和结构关系，使读者能够理解 SonaMinds 为什么把专家知识表达、问题理解、检索范围和回答深度看作同一个系统中的不同环节。

如果需要更实用的问题入口，可以阅读 SonaMinds 关于专家知识 AI Assistant、基于教师材料的 AI 辅导助手和可控 AI 知识库的指南。

面向专家 AI 的概念基础

概念库关注概念定义、结构关系和理论边界，而不是功能清单或操作指南。它说明 SonaMinds 处理什么类型的知识，理解什么类型的问题，以及为什么普通检索并不足以支撑研究性问答。

这些概念可以分为三组。第一组解释专家知识如何被表达。第二组解释用户问题如何被理解。第三组解释回答生成如何受到知识结构和回答要求的指导。知识矩阵推理贯穿这三组概念，说明来源、用途、语境和边界如何在生成回答之前约束专家材料的使用。

知识架构

第一组概念关注专家知识的结构。专家知识表达说明总原则。知识矩阵推理说明来源、用途、语境和边界如何让专家材料能够用于可信对话。五层专家知识架构给出结构模型。专家知识画像说明一个专家体系如何用自然语言被表达。概念稳定性解释为什么核心概念的含义不能在回答中漂移。结构化知识人格则进一步说明 SonaMinds 所保存的不是专家本人，也不是资料仓库，而是一种由稳定概念、判断、方法和表达方式构成的可调用知识结构。

问题理解

第二组概念关注用户问题在回答之前如何被理解。研究性 AI 问答区分专家推理和普通资料查询。结构化问题深度映射判断一个问题触及事实、方法、理论、概念还是根本问题。可执行请求分类则把自然语言请求转化为结构化决策，用来帮助系统理解问题、限定相关知识范围，并选择合适的回答深度。

受控回答生成

第三组概念关注回答生成的约束。结构导向检索根据材料在知识结构中的作用进行检索。上下文范围控制限制哪些材料可以进入模型上下文。运行时验证回答机制让模型建议与知识范围和回答要求保持一致。回答模式则帮助系统在简要回答、标准解释、深度分析和澄清之间作出合适选择。

概念地图

下面这些概念共同构成 SonaMinds 描述专家知识与 AI 问答方法的基础词汇。每一页都给出定义，说明它要解决的问题，并解释它在 SonaMinds 系统中的位置。

专家知识表达 — 将专家知识表达为结构，而不是仅仅保存为文档。
知识矩阵推理 — 在 AI 生成回答之前，按照来源、用途、语境和边界组织专家知识。
五层专家知识架构 — 将专家知识组织为根本问题、核心概念、理论模型、方法路径和材料事实。
专家知识画像 — 对一个专家知识体系如何思考的结构化说明。
概念稳定性 — 在分类、检索和回答生成中保持核心概念含义稳定。
研究性 AI 问答 — 面向专家推理，而不是只做事实查找的问答方法。
结构导向检索 — 根据材料在知识结构中的作用来检索内容。
可执行请求分类 — 将自然语言请求转化为结构化决策。
结构化问题深度映射 — 判断用户问题激活了知识结构中的哪一层。
上下文范围控制 — 根据问题、知识画像和回答深度限制进入模型的材料。
运行时验证回答机制 — 让模型建议与知识范围和回答要求保持一致。
回答模式 — 快速回答、标准解释、深度研究、澄清和拒绝等不同回答深度。
结构化知识人格 — 专家稳定概念、判断、方法和表达方式构成的可调用知识结构。