活例子

活例子 001：天气维度 —— 从一个缺口到一次挂载（2026-08-21）

访客问"今天天气怎么样"，树上没有这个位置——如实进缺口榜。随后四步：

1. 缺口出现：关联不上不许硬答，问题进缺口榜（本体确定性：树上没有就是没有）；
2. 挂维度：从根挂出"天气"一维，再问即命中，老枝一个节点没动（展开即认知、挂载不重建）；
3. 挂数据源：这维挂上权威实时天气数据（Open-Meteo，各国气象机构），数据不进库、现取现答、出处可核查（库即类、类即库）；
4. 要素补齐：天气=时间+地点；没报地名先IP判断、再反问"您想问哪个地方的天气？"——要素不齐不许编（属性有要素结构，问答按要素对齐）。

实测：武汉/北京/上海实时天气、明天后天预报均命中；缺地名的一律反问补齐，无一乱答。

这条例子的完整记录见站方文档《活例子001》。它的意义：以后挂快递、挂股票、挂任何维度，都是同一套动作——定要素、缺了补、补不了问、不许编。

活例子 002：实体关联完整性 —— 从"常健是谁"说起（2026-08-21）

问"常健是谁"，最初只答出一个节点。但他在树上至少有八个位置：顾问团队成员、全书校对审稿、UTML规范校对审稿、《顶级构架》合著者（"国家"二字是他建议删的）……

问题：一个实体分散在树的多个位置，每个位置带着不同属性（角色）。问一个实体，怎样把关联找全？

理论对应：概念·实体（实体即其全部位置属性的集合）＋ 概念·实体路径（以归属实体为线索跨位置聚合，回答"它是什么"）。

头一条教训：关联建在树上，匹配只认路。匹配层只许解释问法（问定义→概念表、问区别→辨析条、问天气→接口）；内容跟谁关联，靠树上明说（属性、归属、异名登记）。每打一条计分补丁，必问：是不是树上少记了一笔？

方法：双轨并行——登记为主（挂载文章节点时把作者/校审/参与人逐项写进属性）＋ 扫描兜底（问答时全树文本提到该实体的位置全部串联）。本轮新立规矩：异名记属性即认账（常建/长剑都认）、低置信度必须带商量（不许装确定）、同义归一（概念≡定义）、长词优先。

实战结果：常健 8 个位置一次出全，杨思呈 15 个，陈丽 3 个。未决问题：属性字段化、同名不同人、关系类型成维、聚合答案的呈现——见站方文档《活例子002》，持续改进。

这个例子照出"两个方向同一底座"：治理面（一记四样、挂载登记、只增不删）把数据记全；智能面（实体路径聚合、归并呈现）把答案答全。智能答得全，恰因治理记得全——归属=横向联系（同一实体横串各文章），上级=纵向联系（出处链上溯到根），纵横联系正是数据治理与人工智能的共同基石。观法不二，工程上就是这副样子。