← Back to Skills Marketplace
golngod

Hutian Opc Ontology Casting

by golngod · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ✓ Security Clean
26
Downloads
0
Stars
0
Active Installs
1
Versions
Install in OpenClaw
/install hutian-opc-ontology-casting
Description
企业OPC化潜力评估框架,5个维度评估OPC化潜力,每个维度10分总分50分
README (SKILL.md)

本体铸造 · 企业魂驱动转化框架

第1页/共8页 | Skill版本:v1.1 | 适用对象:OPC导师/企业转型顾问


一、Skill概述与核心使命

1.0 命名渊源:为什么叫"本体铸造"

本体(Ontology)——源自哲学,追问"何物存在"。在企业工程语境中,指将业务世界中的实体、关系、规则提取为统一的语义层,使组织运营不依赖具体人员而持续运转。Palantir将其核心产品命名为Foundry(铸造厂),正是取"将混沌原料铸造为精确形态"之意。

铸造(Foundry)——借鉴Palantir Foundry的理念:企业如矿石,本体如模具,铸造即是将散落在员工大脑中的业务知识,工程化为可定义、可关联、可推理、可执行的数字骨架。铸造不是搭建,是提炼;不是从零建造,是从混沌中锻造秩序。

与Palantir的关系:本Skill借鉴Palantir的核心思想(Ontology语义层、FDE前沿部署模式、AIP人机协同决策回路),但并非Palantir的复刻或代理。Palantir是一家美国上市公司,本Skill是OPC体系下的独立方法论工具集,服务于中国企业转型场景。两者的关系是"思想借鉴+本土重构",而非品牌从属。

一句话概括:本体铸造 = 帮企业把散落的"人驱动"能力,锻造为可持续的"魂驱动"本体。

1.1 使命定义

不是教企业建数据模型,是帮企业完成从"人驱动"到"魂驱动"的物种进化

本Skill服务于OPC导师,为其提供一套完整的企业诊断与转化框架。融合本体论(Ontology)语义工程与FDE(Forward Deployed Engineer,前沿部署工程师)Skill化模式,帮助传统企业识别自身是否具备"OPC化"潜力,并给出可落地的转化路径。

1.2 核心价值主张

传统企业困境 OPC化企业优势
人力密集型,边际成本不降反升 魂(本体)稳定,边际成本趋零
核心能力随人员流失而流失 能力固化为可复制Skill
转型速度追不上市场变化 Agent替代人力,扩张速度指数级
客户粘性依赖销售个人关系 粘性内化为平台数据关系网络

1.3 适用边界

  • 适合:软件服务企业、咨询公司、系统集成商、数据科技公司
  • 慎用:纯硬件制造、传统贸易、资源型行业
  • 不适用:个人工作室、微型团队(\x3C5人)

第2页/共8页 | 企业诊断框架

2.1 诊断维度与评分体系

本框架从5个维度评估企业的OPC化潜力,每个维度10分,总分50分。

维度一:业务抽象度(10分)

评估企业业务能否被标准化、模块化。

分值 表现 典型特征
8-10 高度抽象 业务逻辑清晰,可参数化配置
5-7 中度抽象 核心流程可提炼,部分环节依赖经验
2-4 低度抽象 业务高度定制化,依赖个人判断
0-1 不可抽象 纯人力服务,无法标准化

维度二:数据资产度(10分)

评估企业是否已有或可建立结构化数据资产。

分值 表现 典型特征
8-10 数据原生 业务本身产生高质量数据资产
5-7 有数据基础 具备基础数据积累,可结构化
2-4 数据薄弱 数据分散,需大量治理工作
0-1 无数据 业务不产生或不使用数据

维度三:客户复购度(10分)

评估企业客户关系的可持续性。

分值 表现 典型特征
8-10 高复购 年度合同/持续服务,KPIs明确
5-7 中复购 项目制但客户有持续需求
2-4 低复购 单次项目为主,关系依赖销售
0-1 无复购 一次性交易,客户生命周期短

维度四:知识显性度(10分)

评估企业内部知识是否已被显性化、文档化。

分值 表现 典型特征
8-10 高度显性 SOP完整,知识库系统化
5-7 部分显性 有核心文档,但不成体系
2-4 隐性知识为主 经验在个人脑中,难传承
0-1 零显性 无任何文档,纯"手把手"传承

维度五:组织可分离度(10分)

评估业务能力能否与特定人员分离。

分值 表现 典型特征
8-10 高度可分离 流程自动化,人员可替换
5-7 部分可分离 核心依赖少数人,可逐步分离
2-4 强人员依赖 业务与关键人深度绑定
0-1 不可分离 人员=业务本身

2.2 诊断结论阈值

总分区间 诊断结论 转化建议
40-50 优秀候选 可直接进入OPC化快车道
30-39 可转化 需针对性补足短板后转化
20-29 需培育 先进行知识显性化与数据基础建设
0-19 暂不适用 建议保持现状,等待条件成熟

第3页/共8页 | 转化路径设计

3.1 三阶段转化模型

┌─────────────────────────────────────────────────────────────┐
│ 阶段一:本体提取期                                          │
│ 目标:识别企业"魂",建立业务骨架                            │
│ 周期:1-3个月                                               │
│ 产出物:企业本体Ontology Draft v1.0                         │
├─────────────────────────────────────────────────────────────┤
│ 阶段二:Skill蒸馏期                                         │
│ 目标:将隐性经验显性化为可执行Skill                         │
│ 周期:3-6个月                                               │
│ 产出物:核心FDE Skill包                                     │
├─────────────────────────────────────────────────────────────┤
│ 阶段三:Agent部署期                                         │
│ 目标:实现能力规模化复制与自动化交付                        │
│ 周期:6-12个月                                              │
│ 产出物:Agent虚拟驻场能力 + OPC平台接入                      │
└─────────────────────────────────────────────────────────────┘

3.2 阶段一详细步骤:本体提取

Step 1.1:业务边界划定(产出物:业务边界文档)

  1. 访谈企业创始人/核心业务负责人
  2. 梳理业务全流程,识别核心价值交付环节
  3. 区分"核心能力"与"支撑能力"
  4. 输出《业务边界与核心能力清单》

Step 1.2:本体建模(产出物:Ontology Draft)

  1. 识别核心实体(ObjectType)
    • 客户、订单、产品、服务、流程节点...
  2. 定义实体关系(LinkType)
    • 谁触发谁、谁属于谁、谁依赖谁...
  3. 提炼关键属性(Property)
    • 可量化、可追踪、可决策的属性
  4. 输出《企业本体Ontology Draft v1.0》

Step 1.3:验证与迭代

  1. 用Draft在2-3个真实项目中试点
  2. 收集反馈,识别本体缺失或错误
  3. 迭代优化,输出v2.0/v3.0

3.3 阶段二详细步骤:Skill蒸馏

Step 2.1:能力解构(产出物:能力解构图谱)

  1. 访谈资深员工,记录决策过程
  2. 将决策过程分解为:触发条件→输入信息→推理逻辑→输出动作
  3. 识别哪些是"规则型"能力,哪些是"经验型"能力

Step 2.2:Skill模板填充

  1. 按照标准Skill模板编写每个核心能力
  2. 包含:能力描述、触发条件、输入要求、输出规范、边界条件
  3. 补充典型案例与边界案例

Step 2.3:OPC平台接入

  1. 在OPC平台创建技能商品
  2. 完成技能定价与合约设计
  3. 提交审核,进入技能市场

3.4 阶段三详细步骤:Agent部署

Step 3.1:Agent选型与配置

  1. 评估目标企业现有技术栈
  2. 选择适配的Agent平台(如万融、AIP等)
  3. 完成技能与Agent的配置对接

Step 3.2:人机协同设计

  1. 定义Human-in-the-loop节点
  2. 设定权限与审计链路
  3. 制定异常处理机制

Step 3.3:规模化复制验证

  1. 选择1-2个新客户进行Agent驻场试点
  2. 监控运行效果,收集客户反馈
  3. 优化后进入标准化复制阶段

第4页/共8页 | 本体工程化方法论

4.1 什么是"企业魂"

企业魂 = 可被复制的业务逻辑 + 数据驱动的决策能力 + 持续进化的知识体系

┌────────────────────────────────────────┐
│              企业魂构成                │
├──────────────┬──────────────┬─────────┤
│   业务骨架   │   决策引擎   │ 知识图谱 │
│  (Ontology)  │   (FDE)     │ (Skill) │
├──────────────┼──────────────┼─────────┤
│  静态结构    │   动态推理   │  持续积累 │
│  不随人变    │   持续优化   │  可传承   │
└──────────────┴──────────────┴─────────┘

4.2 本体工程化四步法

第一步:实体识别(ObjectType Definition)

原则:找名词,而非动词

操作 示例
列出业务中的主要参与者 客户、销售、工程师
列出业务中的主要对象 订单、项目、工单
列出业务中的主要资产 产品、知识、合同
识别业务事件 签约、上线、交付

第二步:关系建模(LinkType Definition)

原则:找动词,建立实体间的关联

关系类型 示例
归属关系 客户-账户、项目-团队
时序关系 订单-支付-发货
依赖关系 需求-设计-开发-测试
组成关系 订单-订单项

第三步:属性提取(Property Definition)

原则:找可量化、可追踪的维度

属性类型 示例
标识属性 ID、名称、编码
状态属性 阶段、状态、等级
量化属性 金额、数量、时长
时间属性 创建时间、完成时间

第四步:安全嵌入(Security & Audit)

原则:权限与审计贯穿全链路

  • 每个ObjectType设置访问权限
  • 每条LinkType记录操作日志
  • 每个Property可追溯修改历史

第5页/共8页 | FDE Skill化指南

5.1 FDE vs Skill:概念区分

概念 定义 形态 生命周期
FDE Foundational Data Entity,基础数据实体 数据模型+业务逻辑 与企业本体共存
Skill 可被Agent调用的技能单元 规则+案例+执行入口 独立演进,可迭代

关系:FDE是Skill的数据基础,Skill是FDE的呈现形式

5.2 Skill蒸馏标准流程

┌──────────────┐    ┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│   专家访谈   │───▶│  能力解构   │───▶│  模板填充   │───▶│   测试验证   │
└──────────────┘    └──────────────┘    └──────────────┘    └──────────────┘
       │                  │                  │                  │
       ▼                  ▼                  ▼                  ▼
   记录隐性经验      分解决策链      按模板编写        实际案例测试

5.3 Skill编写规范

每个Skill必须包含以下字段:

## Skill名称
[动词+宾语,如:评估客户信用/生成项目方案]

## 触发条件
[什么情况下调用此Skill]

## 输入要求
- 必需字段:[列出必需输入]
- 可选字段:[列出可选输入]

## 输出规范
- 输出格式:[描述输出结构]
- 输出示例:[提供示例]

## 执行逻辑
[用自然语言描述核心推理过程]

## 边界条件
[什么情况下不能使用/需要人工介入]

## 典型案例
[1-3个具体应用案例]

5.4 Skill质量分级

等级 标准 适用场景
L1 规则型 标准化流程,输出稳定
L2 案例型 有典型案例,可泛化推理
L3 学习型 可持续学习,持续优化
L4 创新型 可跨领域迁移,创新输出

第6页/共8页 | OPC上游生态接入指南

6.1 OPC定位再定义

OPC = Palantir/万融等平台的上游生态供血者

┌─────────────────────────────────────────────────────────────┐
│                    OPC上游生态架构                          │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│   ┌─────────┐                                              │
│   │ OPC导师 │───蒸馏──▶┌─────────┐───分发──▶┌─────────┐   │
│   │  专家   │          │ Skill库 │          │ 平台方  │   │
│   └─────────┘          └─────────┘          │万融/Pal│   │
│                                             └─────────┘   │
│                                                   │        │
│                                                   ▼        │
│                                         ┌───────────────┐ │
│                                         │   Agent部署   │ │
│                                         │  客户企业驻场 │ │
│                                         └───────────────┘ │
│                                                   │        │
│                                                   ▼        │
│                                         ┌───────────────┐ │
│                                         │  效果/调用    │ │
│                                         │    分成      │ │
│                                         └───────────────┘ │
└─────────────────────────────────────────────────────────────┘

6.2 App Store类比

App Store角色 OPC生态对应
开发者 OPC导师/专家
应用商店 万融/Palantir平台
用户 企业客户
分成模式 效果付费/调用分成

6.3 接入流程

Step 1:OPC平台注册

  1. 完成个人/团队认证
  2. 签署技能上架协议
  3. 设置收款账户

Step 2:技能商品化

  1. 按照平台规范编写Skill文档
  2. 设定定价策略(参考:按调用次/按效果/订阅制)
  3. 提交审核

Step 3:持续运营

  1. 收集客户使用反馈
  2. 迭代优化Skill版本
  3. 参与平台推广活动

6.4 定价参考策略

计费模式 适用场景 优势 风险
按调用次数 标准化Skill 收入可预期 需高调用量
按效果分成 结果导向Skill 与客户利益绑定 需明确定义效果
订阅制 持续服务Skill 稳定现金流 需持续服务能力
混合模式 复杂Skill 兼顾各方 合约复杂

第7页/共8页 | MVP验证流程

7.1 MVP定义与原则

MVP = 最小闭环验证

核心原则:

  1. 用最小成本验证核心假设
  2. 不追求完美,先追求能跑
  3. 快速迭代,持续学习

7.2 验证里程碑

里程碑1:本体可行性验证(第1-2个月)
├── 目标:验证企业业务能否被本体化
├── 方法:用简化本体跑通1个真实项目
└── 通过标准:本体覆盖项目80%以上决策点

里程碑2:Skill有效性验证(第3-4个月)
├── 目标:验证Skill能否替代部分人工
├── 方法:用Skill支持2-3个并行项目
└── 通过标准:输出质量达人工的80%,效率提升50%

里程碑3:商业模式验证(第5-6个月)
├── 目标:验证客户是否愿意为Agent驻场付费
├── 方法:在1-2个新客户试点Agent驻场
└── 通过标准:客户满意度>80%,续约率>60%

里程碑4:规模化复制验证(第7-12个月)
├── 目标:验证能否低成本复制到新客户
├── 方法:用同一套Skill+Agent服务5+客户
└── 通过标准:边际成本\x3C首客户的30%

7.3 验证失败处理

失败类型 可能原因 应对策略
本体无法覆盖业务 业务太定制化 缩小边界,只本体化可标准化部分
Skill质量不达标 知识显性化不足 增加专家参与,补足案例库
客户不愿付费 价值感知不足 强化试点效果展示,调整定价
规模化成本高 技能未充分解耦 重构Skill,提高复用度

第8页/共8页 | 附录与附录

附录A:关键术语表

术语 定义
Ontology 本体论,企业业务结构的语义化表示
FDE Foundational Data Entity,基础数据实体
AIP AI Platform,Palantir的AI决策平台
FDE(角色) Forward Deployed Engineer,前线部署工程师
OPC Ontology Professional Community,本体专业社区
Skill 可被Agent调用的技能单元

附录B:参考资源

  • Palantir官方文档:Ontology开发指南
  • 万融平台接入文档
  • 本地参考文件:.skills/胡田-OPC导师-Palantir本体论FDE/references/OPC-Palantir协作框架.md

附录C:使用建议

  1. 初次使用:先完成企业诊断(第2页),明确转化优先级
  2. 持续迭代:每完成一个里程碑,回顾诊断评分,更新转化计划
  3. 遇到卡点:参考附录参考文档,或寻求OPC导师社群支持

文档信息

  • 版本:v1.0
  • 创建者:OPC导师体系
  • 适用场景:企业OPC化诊断与转化
  • 版权声明:内部使用,禁止外传
Usage Guidance
Before using this framework for a real enterprise deployment, define explicit consent, data minimization, retention, audit, and approval rules, especially for customer data, call monitoring, and any automatic or event-triggered actions.
Capability Assessment
Purpose & Capability
The artifacts coherently describe an OPC/ontology consulting framework for assessing enterprise transformation potential and designing skills, agents, pricing, and deployment workflows.
Instruction Scope
The reference document includes broad platform-integration templates such as automatic/event triggers and usage monitoring, but these are illustrative design guidance rather than live runtime instructions.
Install Mechanism
The package contains Markdown files only; the README describes importing SKILL.md or cloning the repository to read it, with no installer, scripts, dependencies, or executable payload.
Credentials
The requested business data, interviews, scoring, feedback, and audit concepts fit the consulting and enterprise-transformation purpose; there is no request for local credentials, private profiles, or unrelated system access.
Persistence & Privilege
The framework recommends audit logs, call monitoring, and customer feedback in future deployments, but the skill itself creates no persistence, background worker, privilege escalation, or automatic execution mechanism.
How to Use
  1. Make sure OpenClaw is installed (local or Docker)
  2. Run the install command in chat: /install hutian-opc-ontology-casting
  3. After installation, invoke the skill by name or use /hutian-opc-ontology-casting
  4. Provide required inputs per the skill's parameter spec and get structured output
Version History
v1.0.0
opc-ontology-casting v1.0.0 - Initial release of the OPC化潜力评估框架, providing a five-dimension scoring system for enterprise OPC transformation potential (total 50 points). - Detailed methodology and step-by-step transformation path included, guiding users from enterprise diagnosis to skill distillation and agent deployment. - Clearly defined scope of application, assessment criteria, and actionable recommendations based on scoring results. - Comprehensive documentation of ontology engineering, FDE Skill standardization, and OPC ecosystem integration guidelines.
Metadata
Slug hutian-opc-ontology-casting
Version 1.0.0
License MIT-0
All-time Installs 0
Active Installs 0
Total Versions 1
Frequently Asked Questions

What is Hutian Opc Ontology Casting?

企业OPC化潜力评估框架,5个维度评估OPC化潜力,每个维度10分总分50分. It is an AI Agent Skill for Claude Code / OpenClaw, with 26 downloads so far.

How do I install Hutian Opc Ontology Casting?

Run "/install hutian-opc-ontology-casting" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.

Is Hutian Opc Ontology Casting free?

Yes, Hutian Opc Ontology Casting is completely free, licensed under MIT-0. You can download, install and use it at no cost.

Which platforms does Hutian Opc Ontology Casting support?

Hutian Opc Ontology Casting is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).

Who created Hutian Opc Ontology Casting?

It is built and maintained by golngod (@golngod); the current version is v1.0.0.

💬 Comments