背景
今天深入研究了 quanttide-asset 项目中的飞书 Wiki 资产验证规则建模。这是一个探索性任务:如何从飞书 Wiki 的目录结构中,提炼出可验证的规范,并进一步反推出组织的业务流程。
核心问题
飞书 Wiki 的目录结构有什么规范?如何验证这些规范?更重要的是:能否通过资产目录结构,反推出组织的业务流程?
建模思路
契约驱动的本质
契约不是代码内置的逻辑,而是”蒸馏出来的声明式规范”。
1 | 契约定义(应该有什么) → 发现机制(实际有什么) → 验证模块(差异对比) |
契约验证的边界:只验证结构性信息,不验证内容质量。
| 能验证 | 不能验证 |
|---|---|
| 节点存在性 | 文档内容完整性 |
| 命名格式 | 语义正确性 |
| 父子关系 | 业务逻辑 |
| 层级深度 | 资产价值 |
四步建模框架
- 业务拆解:从数据中识别节点类型(Space/Folder/Doc)
- 行为定义:定义每种节点的属性和关系
- 度量设定:设定可验证的维度
- 模型产出:输出通用模型 + YAML 验证规则
议事档案案例
目录结构
1 | 议事档案 |
反推的业务流程
通过分析分类结构和命名模式,反推出议事决策流程:
1 | 提出议题 → 制定规则 → 安排议程 → 做出决策 → 执行计划 |
验证规则
1 | validation: |
经验总结
1. 建模要先观察数据
不要先入为主地设计规则,要从实际数据中观察规律。
2. 区分通用规则和特定规则
- 通用规则:所有 Space 适用(结构完整性、命名非空)
- 特定规则:特定 Space 适用(议事档案的分类名、命名格式)
3. 契约的局限
契约只验证”有没有、对不对”,不验证”好不好”。内容质量需要 AI 验证层。
4. 警惕暴露资产信息
space_id 等敏感信息不要写进代码和文档。
下一步
- AI 反推验证:让 AI 从资产结构反推流程,与实际流程对比
- 泛化到其他 Space:为其他 Space 定义类似的规范
- 人工交叉验证:与实际业务流程对比,确认反推结果