企业官网建设流程全解析

原始资料、结构与知识：WSaiOS-SI 中知识形成的分层理论

作者： 东塬一老翁

来源： WSaiOS 研究 · 第六卷 第二章

关键词： WSaiOS-SI；原始资料；结构；知识；自主语义理解；知识生命周期；可追溯性

---

摘要

本文基于 WSaiOS 结构智能理论，系统阐述“原始资料—结构—知识”之间的分层关系。WSaiOS-SI 认为，原始资料不等于知识，也不等于 Element、Relation 或 Structure。原始资料是知识形成的输入来源，而知识是原始资料经过自主语义理解、Element 识别、Relation 组织、Structure 形成、验证与组织之后形成的结构化信息成果。本文提出，原始资料生命周期、结构生命周期与知识生命周期必须相互独立；删除 Structure 只能删除其派生 Knowledge，而不能删除 Original Data。由此，系统可以在结构变化后基于保留的原始资料重新结构化并重新生成知识。本文进一步给出原始资料与知识的形式化定义、知识形成过程模型、冲突处理与可追溯性原则，并强调 WSaiOS-SI 的自主语义理解层是原始资料进入知识体系的核心桥梁，外部 LLM 只能提供候选解释，不能成为知识语义权威。本文认为，该分层理论为结构智能系统提供了一种可重构、可追溯、可演化的知识形成机制。

---

1. 引言

在传统数据管理与人工智能系统中，原始数据、结构化信息与知识之间的边界常常被模糊处理。数据库记录、网页文本、API 返回、用户输入、传感器数据等，往往被直接视为“知识”或“信息”。然而，在 WSaiOS 结构智能（WSaiOS-SI）理论中，这种处理方式掩盖了一个关键问题：信息来源并不等于知识成果。

WSaiOS-SI 提出，知识不是原始资料的简单保存或复制，而是原始资料经过自主语义理解与结构组织后形成的可运算成果。因此，必须首先建立基本边界：

原始资料 ≠ 结构化知识。

本文旨在系统化阐述这一理论，说明原始资料如何进入 WSaiOS-SI，如何形成 Element、Relation 与 Structure，并最终经过验证形成 Knowledge。同时，本文将讨论知识生命周期、结构删除、原始资料保留、多结构并行、冲突消解、可追溯性与学习演化等核心问题。

---

2. 原始资料的定义与边界

在 WSaiOS-SI 中，原始资料被定义为：

尚未按照当前结构智能体系完成知识结构化处理的信息来源集合。

原始资料可以包含文本、表格、数据库记录、网页内容、文件、图片中的信息、设备数据、传感器数据、用户输入、业务数据、历史资料以及其他可被系统识别和处理的信息来源。原始资料本身可以非常复杂，也可以已经具有一定程度的结构。例如，一份产品资料可能包含：

```text

产品名称：Product A

价格：100

库存：50

供应商：Company X

```

这已经具有字段结构。但在 WSaiOS-SI 中，只要系统尚未确定 Product A 是什么 Object、price 是什么 Attribute、100 是什么 Value、Company X 与 Product A 是什么 Relation、这些信息在什么 Context 下成立，那么它仍然只是知识形成的输入资料，而不是知识。

因此，原始资料与知识最重要的区别，不在于资料是否已经存在结构，而在于其是否已经进入 WSaiOS-SI 的知识结构体系。

---

3. 知识形成过程模型

WSaiOS-SI 中，原始资料到知识的基本过程可表示为：

```text

原始资料

↓

WSaiOS-SI 自主语义理解

↓

Element 识别

↓

Relation 建立

↓

Structure 形成

↓

结构组织与验证

↓

Knowledge

```

其中，原始资料位于知识形成过程的前端，知识位于结构化智能过程的后端。知识不是凭空产生的，必须具有信息来源。因此：

```text

Original Data

↓

Information

↓

Semantic Understanding

↓

Element

↓

Relation

↓

Structure

↓

Validation

↓

Knowledge

```

这一过程不是简单格式转换，而是包含语义理解、元素识别、关系识别、结构组织、条件识别、规则识别、运算关系识别与验证的共同结构化过程。

---

4. 原始资料不是 Element、Relation 或 Structure

4.1 原始资料与 Element

原始资料不是直接等于 Element。二者之间存在自主语义理解过程：

```text

原始资料

↓

信息识别

↓

语义理解

↓

Element 识别

```

例如：

“Product A 的价格是 100 美元，库存为 50 件。”

经过自主语义理解，可以识别：

```text

Element:

Product A

Price

100

USD

Inventory

50

Unit

```

进一步确定结构角色：

```text

Product A → Object

Price → Attribute

100 → Value

Inventory → Attribute

50 → Value

```

因此，Element 并不是简单从文字中切出来的字符串。字符切分 ≠ Element 形成，Tokenization ≠ Element 形成。WSaiOS-SI 的 Element 形成依赖自主语义理解和结构识别。

4.2 原始资料与 Relation

原始资料不仅提供 Element，还提供 Element 之间形成 Relation 所需要的信息。例如：

“Company X supplies Product A.”

其中至少可以识别：

```text

Company X

Product A

supplies

```

进一步形成：

```text

Company X

│

│ supplies

↓

Product A

```

即：

```text

Element + Relation + Element

```

形成关系结构。

4.3 原始资料与 Structure

原始资料可以经过多层结构化过程形成 Structure。例如：

```text

原始资料

↓

Product A

↓

Price = 100

Inventory = 50

Supplier = Company X

↓

Object Structure

```

进一步加入规则：

```text

Inventory > 0

```

形成：

```text

Product A

├── Price = 100

├── Inventory = 50

├── Supplier = Company X

└── Saleable Rule

└── Inventory > 0

```

此时已经不再只是原始资料，而是一个能够进入运算和判断的结构。

但必须注意：

Structure ≠ Knowledge。

一个 Structure 可以只是一个尚未验证的候选结构。如果系统尚未确认信息来源是否可靠、Price 的单位是什么、Inventory 属于哪个时间点、数据是否冲突、Product A 是否确实对应当前对象，那么这个 Structure 还不能自动成为有效 Knowledge。

因此，知识形成还需要验证：

```text

Structure

↓

Semantic Validation

↓

Element Validation

↓

Relation Validation

↓

Rule Validation

↓

Context Validation

↓

Requirement Validation

↓

Knowledge

```

---

5. 形式化定义

为更清晰地表达原始资料与知识的区别，可以将原始资料表示为：

```text

D = <I, S, T, C>

```

其中：

· I = Information，原始信息内容；

· S = Source，资料来源；

· T = Time，时间信息；

· C = Context，上下文。

原始资料并不要求已经具有完整的结构语义。

知识则可以表示为：

```text

K = <E, R, A, V, S, C, Q, O, M, X, Val>

```

其中：

· E = Element；

· R = Relation；

· A = Attribute；

· V = Value；

· S = State；

· C = Context；

· Q = Rule；

· O = Operation；

· M = Method；

· X = Organization；

· Val = Validation。

因此：

```text

D ≠ K

```

知识形成过程可以表示为：

```text

K =

KnowledgeFormation(

AutonomousSemanticUnderstanding(D),

Structure,

Validation,

Context,

Requirement

)

```

这不是简单的数据复制，而是一个结构转换过程。

---

6. 生命周期分离与结构删除原则

WSaiOS-SI 必须严格区分：

1. 原始资料生命周期；

2. 结构生命周期；

3. 知识生命周期。

三者不能混为一体。原始资料可以长期保存；结构可以创建、修改、综合、删除和重建；知识也可以随着结构变化而重新生成、更新、综合和清理。

因此建立：

```text

原始资料

│

├── 保留

│

↓

当前结构

↓

知识生成

```

当结构发生变化时：

```text

原始资料

↓

新的当前结构

↓

重新结构化

↓

重新生成知识

```

而不是：

```text

删除旧结构

↓

删除原始资料

```

后者是不成立的。

由此得到重要原则：

删除结构，不删除原始资料。

其逻辑为：

```text

删除 Structure

↓

删除该 Structure 产生的综合 Knowledge

↓

保留 Original Data

↓

读取当前有效 Structure

↓

重新进行自主语义理解

↓

重新形成 Element / Relation / Structure

↓

重新生成 Knowledge

```

即：

```text

Structure Deletion

≠

Original Data Deletion

```

而是：

```text

Structure Deletion

→

Derived Knowledge Cleanup

→

Knowledge Regeneration

```

这一机制使结构能够真正控制知识形成方式，而不会破坏知识形成所依赖的原始资料基础。

---

7. 多来源、多结构与多知识

原始资料可以来自用户输入、数据库、API、文件、网页、业务系统、设备、传感器、日志、表格、图片、文档、历史资料、外部系统等。不同来源的数据形式可能完全不同。

例如：

```text

数据库：

product_id = 001

price = 100

API：

{

"product": "Product A",

"price": 100

}

文本：

Product A sells for 100 dollars.

用户输入：

Product A 的价格是 100 美元。

```

这些资料在表达形式上不同，但经过 WSaiOS-SI 自主语义理解之后，它们可能指向相同的结构意义：

```text

Object = Product A

Attribute = Price

Value = 100

Unit = USD

```

因此，WSaiOS-SI 不以资料的原始表现形式作为知识的最终形式。系统真正关心的是：不同原始资料经过自主语义理解后，能否形成具有明确 Element、Relation 和 Structure 意义的信息。

同一原始资料可以形成不同知识。因为知识形成还受到需求、目标、Context、Structure、Relation、Rule、Condition、Operation、验证标准等因素影响。

例如，同一批产品资料：

```text

Product A

Price = 100

Inventory = 50

Supplier = Company X

```

在“销售管理”结构下，可以形成 Product Saleability Knowledge；在“库存管理”结构下，可以形成 Inventory Status Knowledge；在“供应商管理”结构下，可以形成 Supplier Relationship Knowledge。

因此：

```text

同一 Original Data

↓

不同 Structure

↓

不同 Knowledge

```

同一原始资料也可以形成多个结构：

```text

Original Data

│

┌────────────┼────────────┐

↓ ↓ ↓

Structure A Structure B Structure C

↓ ↓ ↓

Knowledge A Knowledge B Knowledge C

```

这些 Structure 之间可以独立存在、关联、匹配、比较、运算、综合、重组。因此，原始资料不是只能进入一个固定知识结构，它可以成为多个结构体系的共同输入来源。

---

8. 可追溯性、冲突与验证

知识必须能够追溯其来源。因此 WSaiOS-SI 中的知识形成不能只保存最终结果，还需要保持必要的来源关系：

```text

Knowledge

↓ source_from

Structure

↓ derived_from

Element

↓ extracted_from

Original Data

```

当出现知识冲突、数据错误、结构调整、规则变化、用户质疑或知识重新生成时，系统可以回溯原始资料，而不是只能面对一个无法解释来源的最终结论。

不同原始资料可能产生不同信息。例如：

```text

Source A:

Price = 100

Source B:

Price = 120

```

WSaiOS-SI 不能简单地因为两个 Value 不同就删除其中一个。首先应形成：

```text

Attribute = Price

Value₁ = 100

Source = A

Value₂ = 120

Source = B

```

然后根据时间、来源、权威等级、Context、Rule、Validation，判断当前有效 Value。因此：

```text

原始资料冲突

↓

结构化表示

↓

验证与判断

↓

有效知识

```

这使知识形成具有可解释性和可修正性。

---

9. 动态原始资料、对象实例与综合知识

原始资料本身也可能持续变化。例如设备不断产生：

```text

Temperature = 20

Temperature = 21

Temperature = 23

Temperature = 25

```

这些不是简单的重复资料，它们可能对应不同时间下的不同 Value 和 State。因此：

```text

Original Data

↓

Event

↓

Value

↓

State

↓

State Transition

```

原始资料可以形成时间信息、事件、状态变化、趋势、条件变化、行为记录，并进一步形成动态知识。

在面向对象结构中，原始资料可以参与 Object 的识别和实例化：

```text

Class = Product

↓

Instantiate

↓

Product A Object

```

然后形成：

```text

Product A

├── Price → 100

└── Inventory → 50

```

但原始资料本身仍然不是 Object，也不是 Class。它只是 Object 识别和结构形成的输入来源之一。

原始资料还可以进入 Method 运行过程：

```text

Price = 100

Quantity = 3

```

经过 Object Method：

```text

calculateTotal()

执行：

100 × 3 = 300

形成：

Result = 300

```

这个 Result 可以成为 Value、更新 Object State、形成新的 Structure，并经过验证成为 Knowledge。

多个原始资料来源可以形成多个 Structure，而多个 Structure 又可以进行综合：

```text

Customer Data

Product Data

Order Data

Inventory Data

↓

Customer Structure

Product Structure

Order Structure

Inventory Structure

↓

Structure Matching

↓

Structure Integration

↓

Composite Structure

↓

Composite Knowledge

```

这构成 WSaiOS-SI 从原始资料走向复杂知识的重要路径。

---

10. 自主语义理解是核心桥梁

原始资料进入知识系统，不能依赖 Token 切分，也不能依赖大型语言模型作为最终语义解释者。WSaiOS-SI 必须具有自己的自主语义理解层：

```text

Original Data

↓

WSaiOS-SI Autonomous Semantic Understanding

↓

Semantic Elements

↓

Relations

↓

Structures

↓

Knowledge

```

自主语义理解层负责识别对象、Element、Attribute、Value、Method、Relation、State、Condition、Rule、Operation、Context、Event、Structure。

如果系统外部接入 LLM，也只能形成：

```text

Original Data

↓

Optional External Tool

↓

Candidate Interpretation

↓

WSaiOS-SI Autonomous Semantic Understanding

↓

Structural Validation

↓

Element / Relation / Structure

↓

Knowledge

```

LLM 输出不能直接成为 WSaiOS-SI 的知识。因此：

原始资料到知识之间的核心转换权属于 WSaiOS-SI 自身的结构语义体系，而不是外部语言模型。

---

11. 基本原则

由上述分析，可以建立以下基本原则：

1. 来源原则：原始资料是知识形成的输入来源。

2. 区分原则：原始资料不等于知识。

3. 语义转换原则：原始资料必须经过 WSaiOS-SI 自主语义理解才能进入 Element 和 Relation 体系。

4. 结构形成原则：Element 通过 Relation 组织形成 Structure。

5. 知识验证原则：Structure 经过必要的语义、结构、关系、规则、上下文和需求验证后形成 Knowledge。

6. 来源追溯原则：Knowledge 必须能够追溯到其结构来源和必要的原始资料来源。

7. 生命周期独立原则：原始资料生命周期与 Structure、Knowledge 生命周期相互独立。

8. 结构删除原则：删除 Structure 时，删除该 Structure 产生的综合 Knowledge，但不删除 Original Data。

9. 重建原则：Structure 变化后，可以基于保留的 Original Data 按照当前 Structure 重新形成 Knowledge。

10. 多结构原则：同一 Original Data 可以进入多个 Structure，并形成不同 Knowledge。

11. 演化原则：新 Original Data、新 Result 和 Feedback 可以推动 Structure 与 Knowledge 持续更新和演化。

12. 自主语义原则：Knowledge 的最终结构语义必须由 WSaiOS-SI 自身语义体系确定，不能将外部 LLM 作为知识语义权威。

---

12. 讨论：理论意义与实践含义

WSaiOS-SI 的“原始资料—结构—知识”分层理论，与简单的数据存储系统、传统知识库以及外部 LLM 直接生成答案的系统存在根本区别。

第一，它把知识形成视为一个结构转换过程，而不是信息堆积过程。原始资料只是输入来源，知识则是经过语义理解、关系组织、结构形成和验证后的成果。

第二，它把知识生命周期与结构生命周期分离。删除结构不等于删除原始资料，这使系统可以在需求变化、目标变化、规则变化或上下文变化时，重新读取原始资料并生成新的知识。

第三，它强调可追溯性。知识必须能够回溯到结构、Element 和原始资料，从而支持冲突消解、错误修正、结构调整和知识重建。

第四，它坚持自主语义原则。外部 LLM 可以辅助生成候选解释，但不能直接成为知识语义权威。WSaiOS-SI 必须由自身的自主语义理解层完成最终结构解释和验证。

在实践层面，这意味着 WSaiOS-SI 系统设计应至少包含三个独立层级：

```text

第一层：原始资料层

回答：信息从哪里来？

第二层：结构层

回答：这些信息如何组织？

第三层：知识层

回答：这些结构经过验证后形成了什么可以使用的结构化认知成果？

```

三者必须保持理论独立。原始资料提供信息来源，结构组织信息，知识形成可使用的结构化成果。

---

13. 结论

本文系统阐述了 WSaiOS-SI 中原始资料与知识之间的严格理论边界。核心关系可以概括为：

```text

原始资料

↓

自主语义理解

↓

Element

↓

Relation

↓

Structure

↓

Knowledge

↓

Matching

↓

Operation

↓

Result

↓

New Structure / New Knowledge

↓

Capability

↓

Cognition

↓

Decision

↓

Execution

↓

Feedback

↓

Learning

↓

Evolution

```

因此，本文的核心结论是：

原始资料不是知识本身，而是知识形成的输入来源。知识不是对原始资料的简单保存或复制，而是原始资料经过 WSaiOS-SI 自主语义理解、Element 识别、Relation 组织、Structure 形成、验证和组织后形成的结构化信息成果。

原始资料必须被保留为知识形成和重新结构化的基础；Structure 和 Knowledge 则可以根据需求、目标、Context 和结构变化进行创建、使用、综合、更新、删除和重建。删除 Structure 可以删除该 Structure 产生的综合 Knowledge，但不能删除原始资料。

由此，WSaiOS-SI 通过“原始资料—结构—知识”的严格分层，使知识能够随着结构变化而重新形成，同时保持原始信息来源的完整性、可追溯性和可重构性。这一机制构成结构智能区别于简单数据存储系统和外部语言模型直接生成系统的关键理论基础。

---

参考文献

[1] 东塬一老翁. WSaiOS 研究：第六卷 第二章 原始资料与知识. WSaiOS 研究, 2026.