4. 农业食品领域知识建模

在农业食品AI分析报告中，模型能否给出可信结论，往往不取决于算法本身，而取决于“领域知识是否被结构化”。同一批检测数据，如果系统不知道“农残检出值”与“限量标准”之间的判定关系，不知道“批次”与“产地”之间的归属关系，就只能生成描述性文字，无法形成合规判断。知识建模的任务，就是把领域中的实体、指标、标准与业务规则从文档和专家经验中抽取出来，组织成机器可计算的结构。

四类核心建模对象及其分工

农业食品领域的知识可以归纳为四类对象，它们承担不同职责：实体描述“有什么”，如产地、企业、批次、样品、检测项目、加工工序；指标描述“测什么、量纲是什么”，如农残含量（mg/kg）、菌落总数（CFU/g）、蛋白质含量（%）；标准描述“合格线在哪里”，如某农残在某类蔬菜中的最大残留限量；业务规则描述“如何判断与如何处置”，如“检出值超过限量即判不合格，并触发同批次复检”。

四者不是并列罗列，而是层层引用：指标被标准引用，标准被规则引用，规则作用于实体实例。建模时最关键的一步，是明确每个对象的唯一标识与引用路径，否则后续规则无法稳定执行。

实体建模：先定标识，再定关系

实体建模的常见错误是“字段堆砌”——把Excel表头直接变成实体属性，结果同一批产品在不同表中出现多个名字，无法关联。正确做法是先确定主键与关系。以蔬菜抽检为例：产地以行政区划代码加基地编号为主键；批次号应包含企业代码与生产日期，保证全局唯一；样品通过“批次号+抽样点+抽样时间”定位。实体间关系要显式声明基数，例如一个批次对应多个样品（1:N），一个样品对应多个检测项目结果（1:N），一个检测项目在一个标准体系下对应一条限量值（N:1）。

关系一旦明确，报告生成时就能自动追溯：从某个超标样品出发，向上定位批次、企业、产地，向下定位检测方法与原始记录，形成完整的证据链，而不是孤立地报出一个数字。

指标建模：量纲、方法与判定方向缺一不可

指标不只是名称。一个可计算的指标至少需要四个要素：指标编码（稳定引用）、量纲与数值类型、检测方法（不同方法结果可能不可直接比较）、判定方向（上限型、下限型或区间型）。农残、微生物、重金属通常是上限型，蛋白质、脂肪含量通常是下限型，酸度、水分可能是区间型。判定方向若缺失，规则引擎就无法确定“大于”还是“小于”才算合格。

此外应记录检出限与结果表述方式。当检测结果为“未检出”时，系统不能当作0处理，而应保留“<检出限”的语义，否则在统计均值或与限量比较时会产生偏差。示例中若毒死蜱检出限为0.01 mg/kg，报告“未检出”应表达为“<0.01 mg/kg”，判定时按低于限量处理，但统计时需单独标注。

标准建模：把“限量值”变成可查询的结构

标准的关键在于适用范围。同一个指标在不同品类、不同加工形态下的限量不同，因此标准条目不能只存一个数值，而应存为“指标编码 + 适用品类 + 适用条件 + 限量值 + 标准来源与版本”的组合。例如毒死蜱在叶菜类上限量为0.02 mg/kg，在根茎类可能不同；即食食品与生鲜食品的微生物限量也不同。标准还应带版本号和生效日期，避免用旧版限量判定新批次。

建模时建议将标准条目设计为可检索的规则表，查询键为“品类路径 + 指标编码 + 日期”，返回唯一限量值与判定方向。若查询命中多条或零条，应作为数据质量问题显式报出，而不是默认取第一条。

业务规则建模：条件、动作与优先级

业务规则是把标准落到判断上的执行层。一条规则应包含：触发条件（对哪些实体、哪些指标生效）、比较逻辑（引用哪条标准的哪个字段）、结论动作（判合格/不合格/待复检）、后续动作（复检、溯源、报告标注）以及优先级。当多条规则同时命中时，优先级决定结论，例如“检出禁用物质”应优先于一般限量规则，直接判不合格。

下面是一段可直接参考的规则表达示例，采用伪代码形式，字段名与前述模型对应：

规则 R-017：农残超限量判定
触发：实体=样品, 指标=毒死蜱残留量, 品类∈叶菜类
条件：结果值 > 标准[叶菜类, 毒死蜱, 当前版本].限量值
动作：结论=不合格；标记=农残超标；
      生成任务=同批次复检(批次号, 抽样点)；
      报告段落=引用标准来源与检出值
优先级：80（低于禁用物质规则 R-001 的 100）
异常处理：若结果为"<检出限"，按未超标处理并标注检出限

规则执行后应留下可审计的记录：命中了哪条规则、引用了哪版标准、输入值是多少、输出结论是什么。这样AI生成报告时，每一句合规判断都能回溯到具体规则与标准条目，而不是模型“凭感觉”写出结论。

落地检查：模型是否真的可用

判断知识模型是否合格，可以用三个问题检验：给定一个样品，能否自动找到它适用的全部标准条目？给定一条标准，能否列出所有引用它的规则？给定一条规则结论，能否还原输入值、标准版本与判定路径？三者都能顺畅回答，说明实体、指标、标准、规则之间的引用链已经闭合，AI分析报告才具备稳定生成合规结论的基础。