答复。

问题背景：

近年来，对集成解决方案的需求增加，这些方案中数据处理和传输规则的透明记录尤为重要，特别是当外部服务和人工智能被使用时。非正式的数据、缺乏明确的业务规则会导致错误和事件的发生。

问题：

使用AI和外部服务需要明确描述的数据处理规则：发送什么、如何验证、在故障情况下该怎么办、如何记录操作、应返回给用户什么。没有这些规则的正式描述，技术和商业风险会增加。

解决方案：

采用以下方法：

• UML活动图和BPMN用于可视化流程、输入和输出数据
• 数据流图（DFD）用于记录信息流向
• 带有明确条件和操作的决策表
• 术语表用于统一系统和业务术语的字典
• 通过示例规范（Specification by Example） — 通过具体的用户/系统场景进行规范化

关键特点：

• 明确区分系统规则和业务规则
• 支持从数据源到数据消费地点的追踪
• 在统一注册处进行规范化并持续更新这些规则

带有陷阱的问题。

是否仅仅依靠图表描述数据处理规则就可以了？

不，单靠图表是不够的。还需要文字描述、条件表和示例，以减少歧义。

在与集成工作的过程中，是否需要记录负面场景（失败、错误）？

是的，必需的！没有这些场景，无法提前预见正确的错误处理并确保SLA。

在数据处理规则的规范化中，仅使用技术术语是否足够？

不，为了透明和正确的交互，必须使用术语表，并将业务术语和技术术语联系起来。

常见错误和反模式

• 仅描述快乐路径场景，而没有负面和边界情况
• 规则的分解不够清晰，将访问控制、验证和业务逻辑混合在一起
• 缺乏统一的正式规则存储

生活中的例子

负面案例：

与云文档识别服务的集成。系统分析师仅描述了基本交换，忽略了边界情况（例如，响应时间、返回无效数据、格式验证错误）。

优点：

• 在试点阶段进展迅速

缺点：

• 启动后因未处理的错误而产生大量事件，工作不稳定

正面案例：

分析师不仅记录了快乐路径，还记录了所有边界和特殊场景，制定了统一的决策表以处理规则。进行了系列研讨会，完善了AI团队与技术支持之间术语表的制定。

优点：

• 在启动时避免了事件，SLA水平高

缺点：

• 文件的处理花费了更多的时间