智能气功资料多维标注体系设计方案

版本: v1.0 · 日期: 2026-03-31 · 状态: 征求意见
背景: 基于《有关智能气功资料的20个维度和子项（征求意见稿）》及三位专家评审意见综合整理

一、设计目标

本方案服务于智能知识系统（RAG 问答系统）的资料标注，核心目标：

提升检索精度 — 用户提问时，通过维度过滤缩小文档范围，返回正确主题、正确深度的内容
控制标注成本 — 区分必标/应标/选标，优先自动化打标，避免人工负担过重
保持颗粒精度 — 关键维度（主题、功法、理论体系）细分到位，次要维度适当粗化

评判每个维度的标准只有两条： - 这个维度能不能影响检索结果？ - 打标的成本（人工/自动）能否接受？

二、数据现状

指标	数值
气功类文档总量	13,564 篇
庞鹤鸣相关	4,634 篇（34%）
智能气功主题	1,530 篇
混元气理论	541 篇
超常智能	141 篇
捧气贯顶	123 篇
MP3 音频（待转写）	2,367 篇（17%）
视频录像（待转写）	1,225 篇（9%）
PDF	3,278 篇
Word 文档	896 篇
当前分类方式	7 个扁平标签，无层次结构

当前问题：分类既没有反映智能气功科学自身的体系层次，也无法区分同一主题下不同深度的内容。

三、专家共识与分歧

3.1 专家共识

共识项	具体意见
20 维度框架基本合理	不需要大幅删减
`content_topic` 太宽	需要拆分为理论类与应用类
混元整体理论地位特殊	应独立维度化或升为一级子项
功法需按三阶段六步细化	外混元→内混元→中混元
`presentation` 与 `course_type` 有交叉	需明确边界或合并
缺少人物维度	庞明、助教、学员等需独立标记
优先级排序	时间线 > 涉及内容 > 功法类型 > 来源属性

3.2 分歧与处理

分歧 1：要不要新增"理论体系归属"维度？

专家 A：新增"理论体系归属" + "实践效果"
专家 B：新增"关联人物"
专家 C：新增"理论体系归属"

处理：新增 theory_system（理论体系归属）。"实践效果"更适合作为 content_topic 的子项而非独立维度，因为不是每份资料都有可量化的实践效果数据。related_persons 同意新增，但降为选标维度。

分歧 2：presentation 和 course_type 合并还是保留？

专家 A/C：合并
专家 B：保留，加说明区分

处理：保留两个维度，重新定义边界——presentation 描述内容的固有形态（一本书就是书），course_type 描述使用场景（同一段讲课可在不同场合播放）。course_type 降为选标维度。

分歧 3：时间颗粒度多细？

专家 A：按年度甚至季度
专家 B：五年分
专家 C：补充关键节点年份

处理：5 段粗粒度 + 关键事件节点。智能气功发展不是匀速的，按年度等距切分不合理。

分歧 4：course_level 和 audience 是否合并？

处理：合并。两者子项大量重叠（康复班、师资班等同时出现在两个维度中），文件路径中班次信息同时编码了受众和课程级别。合并后减少打标负担，检索收益几乎无损。

四、22 维度方案

总览

级别	维度数	维度
必标	7	content_topic, gongfa_type, theory_system, depth_level, discipline, media_format, speaker
应标	5	audience, timeline, presentation, data_source, data_status
选标	8	location, course_type, language, quality, related_persons, security_level, distribution, recording_method
不实施的维度	2	carrier_media, academic_type

说明：不实施的维度指当前阶段暂不建字段。维度定义保留在受控词表中，将来需要时可随时激活。

五、必标维度（详细定义）

维度 1：主题内容 `content_topic`

两级结构：一级类 5 项 + 二级细项约 30 项。支持粗检索（命中一级类）和精检索（命中二级项）。

一级：理论

二级子项	说明	对应教材/出处
混元整体理论	混元论 + 整体论，宇宙观	《混元整体理论》
混元气理论	混元气的体、用、化	《混元整体理论》第三章
意元体理论	意元体的体性、功能、参照系	《混元整体理论》第四章
意识论	意识活动的规律、运用意识的方法	《精义》
道德论	道德与生命活动的关系、涵养道德	《精义》+《概论》
优化生命论	生命从必然到自由的路径	《概论》
混元医疗观	混元整体观指导下的疾病观、治疗观	《概论》
方法论/认识论	内求法、外求法、方法论基础	《概论》
内求法	以超常智能为工具的研究方法	《概论》+《超常智能》

一级：功法

二级子项	说明
功理总论	功法的总体原理、设计思路
调身	形体调整的原理与方法
调息	呼吸调整的原理与方法
调心/运用意识	意念运用的原理与方法
收功	收功的方法与注意事项
组场	组场理论、方法与应用
超常智能技术	接收信息、发放信息、超常思维
三传并用	心传、形传、口传的理论与实践
练功注意事项	禁忌、偏差预防、安全要点

一级：应用

二级子项	说明
气功医学/康复	诊断、治疗、康复案例
农业应用	气功增产实验
工业应用	气功提质实验
教育应用	智能开发、教育实践
科研实验	实验设计、数据、结论
体育/文艺	体育训练、文艺表演中的应用

一级：历史/组织

二级子项	说明
发展历程	智能气功发展的各阶段
人物	关键人物传记、事迹
组织建设	机构沿革、管理体系
宣传推广	推广活动、媒体宣传
重大事件	关键节点事件（如国家评审、技术鉴定）
外事交流	国际交流活动

一级：综合

二级子项	说明
答疑解惑	问答式内容
跨领域综合论述	跨多个主题的综合性论述
序言/致辞	书籍序言、会议致辞

维度 2：功法类型 `gongfa_type`

按智能气功三阶段六步体系组织。非智能气功功法不纳入此维度（在 theory_system 中区分）。

阶段/类别	功法	说明
外混元	捧气贯顶法	第一阶段主功法，内气外放、外气内收
	三心并站桩	外→内过渡功法
内混元	形神庄（经络混元）	经络层次，气达皮肉筋脉骨
	五元庄（脏真混元）	脏腑层次，气入五脏六腑
中混元	中脉混元功	打通中脉
	中线混元功	凝炼中线
	浑化归元功	天人合一、返本归元
辅助	练气八法	辅助练习方法
	拉气	基础感知练习
静功	坐功	盘坐式静功
	站桩（非三心并）	站式静功
	卧功	卧式静功
静动功	自发功	需强辅导防偏差
通用	—	不特定于某一功法的内容

维度 3：理论体系归属 `theory_system`（新增）

子项	说明
混元整体观	智能气功核心理论体系，以混元气和整体观为基础
传统气功理论	儒释道医武各家的气功论述（如周天功理论）
中医理论	经络、气血、脏腑、阴阳五行等中医框架下的论述
现代科学	用生理学、物理学、心理学等现代科学语言解读
健身气功	国家体育总局推广的简化版框架（如健身气功八段锦）
融合论述	跨体系对比、融合论述

维度 4：内容深度 `depth_level`

级别	说明	典型内容
入门	零基础可理解	气功是什么、基本概念介绍、健身气功
初级	需要基本气功知识	外混元阶段功法讲解、基础理论概览
中级	需要系统学习	内混元阶段功法、意元体深入、精义级内容
高级	深层理论与技术	中混元阶段功法、超常智能技术、混元整体观深层
专家	学术研究级	学术论文、科研数据、跨学科研究、原始实验报告

与 gongfa_type 的映射关系（建议联动打标）：

功法阶段	建议默认深度
外混元	入门-初级
内混元	中级
中混元	高级
辅助/静功/静动功	按内容具体判断
通用	按内容具体判断

维度 5：教材归属 `discipline`

对应九册教材体系 + 非教材资料。

子项	对应教材
概论	《智能气功科学概论》
混元整体理论	《智能气功科学基础——混元整体理论》
精义	《智能气功科学精义》
功法学	《智能气功科学功法学》
超常智能	《智能气功科学技术——超常智能》
传统气功知识	《传统气功知识综述》
气功与文化	《气功与人类文化》
气功史	《中国气功发展简史》
现代科学研究	《气功的现代科学研究》
非教材	不属于九册教材体系的资料

维度 6：存在形式 `media_format`

子项	说明	自动提取方式
文本	纯文本、TXT、Markdown	扩展名 `.txt .md`
文档	Word、PDF 等文档	扩展名 `.doc .docx .pdf`
图片	图片文件	扩展名 `.jpg .png .bmp .tiff`
音频	MP3、WAV 等音频	扩展名 `.mp3 .wav .m4a .flac .ogg`
视频	MP4、MPG 等视频	扩展名 `.mp4 .mpg .avi .mov .wmv`
扫描版/图片PDF	需 OCR 的扫描件	需人工或 OCR 检测判断

从文件扩展名自动提取，覆盖率约 95%。

维度 7：讲授者 `speaker`

子项	说明
庞明主讲	庞明（庞鹤鸣）亲自讲授
庞明+助教	庞明讲授、助教辅助
助教辅导	助教独立授课或辅导
学员发言	学员提问、讨论、心得分享
特邀嘉宾	外部专家、嘉宾发言
其他	无法确定主讲者的内容

六、应标维度（详细定义）

维度 8：目标受众/课程级别 `audience`

由原方案的 audience(#4) 和 course_level(#7) 合并而来。

子项	说明
普通群众	面向公众的公开内容
康复班	康复班学员
教练员班	教练员培训班
师资班	师资培训班
大专课程	大专层次系统课程
学术交流/专题班	学术交流会、专题研讨
公开讲座	面向公众的讲座
科研人员	面向科研人员的内容
嘉宾/外部	面向外部嘉宾的内容

维度 9：时间线 `timeline`

阶段	时间范围	关键事件
早期探索	1980-1986	庞明开始创编智能气功
系统授课	1987-1988	首期系统授课
石家庄时期	1989-1991	石家庄进修学院时期
秦皇岛时期	1992-2000	华夏培训中心时期；1998 年国家审定首批健身气功功法
后中心期	2001-至今	传承发展、深化研究

不加更细的等距时间分段。如需定位特定事件，在 content_topic 的"重大事件"子项中标注。

维度 10：表现形式 `presentation`

子项	说明
书籍/教材	正式出版的书籍或教材
论文/文章	学术论文、期刊文章、杂志文章
讲课	课堂讲授（录音/录像/文字记录）
谈话/座谈	非正式谈话、座谈交流
笔记	学习笔记、听课笔记
问答	问答式内容（有明确提问与回答）
致辞/发言	会议致辞、庆典发言
信函	书信、通信
采访	媒体采访、访谈记录

与 course_type 的边界：presentation 描述内容的固有形态（一段讲课录音的形态就是"讲课"），course_type 描述使用场景（同一段录音可能在系统授课中播放，也可能在公开讲座中播放）。

维度 11：数据来源 `data_source`

子项	说明
庞明主讲	庞明亲自讲授的原始记录
助教整理	助教根据讲课内容整理
组织制作	气功组织制作的资料
正式出版	出版社正式出版的资料
转录整理	从录音/录像转录为文字
汇编整理	从多个来源汇编整理
分享获取	通过分享渠道获取
数字化	纸质资料数字化

维度 12：资料状态 `data_status`

子项	说明
完整	完整无缺的资料
残缺	内容不完整
片段	仅为片段节选
整理中	正在整理
待校对	已整理但未校对
已校对	已完成校对
已编辑	已完成编辑处理
已发布	已正式发布
已归档	已归档保存

七、选标维度

以下维度"有则标注，无则跳过"，不强制要求完整覆盖。

维度 13：场所地点 `location`

北京、石家庄、秦皇岛/华夏中心、济南、合肥、苏州/芜湖/阜阳、上海、武汉、广州、其他。

主要供资料归档管理使用，对检索贡献较低。

维度 14：课程性质 `course_type`

系统授课、短期培训、专题讲座、座谈讨论、开学/结业典礼、会议发言、庆典活动、非正式交流。

与 audience 高度相关但非一一映射。选标原因：对检索贡献有限，但归档管理时有价值。

维度 15：语言类型 `language`

简体中文、繁体中文、英文、中英对照、翻译。

当前数据 99% 为简体中文，自动提取即可。

维度 16：质量等级 `quality`

高、中、低（3 级）。

主观评价维度，建议后期由人工标注。

维度 17：关联人物 `related_persons`（新增）

除讲授者外，资料中涉及的其他关键人物。自由文本或受控词表。

打标成本高，但对"除了庞明还有谁讨论过这个话题"类查询有价值。

维度 18：安全级别 `security_level`

public、internal、confidential、restricted。

当前数据 99% 为 public，设为选标。

维度 19：流通范围 `distribution`

内部交流、内部刊物、正式出版、网络公开、限制流通、保密。

与 security_level 高度相关。

维度 20：收录方式 `recording_method`

现场录音、现场录像、磁带转录、录像转音频、CD 转录、DVD 转录、广播录制、网络下载、数字化。

纯归档信息，不影响检索。

八、暂不实施的维度

以下两个维度在当前阶段暂不建字段。维度定义保留在受控词表中备查。

`carrier_media`（载体介质）

磁带、录像带、CD、DVD、VCD、U 盘/移动硬盘、云端、纸质、缩微胶片。

对已数字化资料意义不大。若后续需要追踪原始物理载体可激活。

`academic_type`（学术属性）

理论探讨、实践指导、科学研究、经验交流、历史记录、人物传记、评论综述、案例分析、操作手册、教材课本、参考工具。

与 content_topic 和 presentation 有较多交叉，且可从其他维度组合推断。

九、维度间关系

9.1 正交关系

大部分维度互相独立，可以自由组合。例如： - "混元气理论"（content_topic）可以出现在任何功法阶段（gongfa_type） - "入门"深度（depth_level）的内容可以是任何理论体系（theory_system）

9.2 联动关系

以下维度对建议联动打标：

维度 A	维度 B	联动规则
`gongfa_type`	`depth_level`	外混元→入门/初级，内混元→中级，中混元→高级
`discipline`	`theory_system`	九册教材默认"混元整体观"
`media_format`	`presentation`	音频→讲课/谈话，文档→书籍/论文
`speaker`	`data_source`	庞明主讲→庞明主讲/转录整理

联动是建议而非强制。打标时先填主维度，联动维度自动填充默认值，可手动覆盖。

9.3 矩阵视图（功法 × 理论层级）

                    理论层级
                    L0      L1      L2      L3
                 （方法论）（基础理论）（技术理论）（应用理论）
                ┌────────┬────────┬────────┬────────┐
  外混元（初级） │  ●     │  ●     │        │        │
                ├────────┼────────┼────────┼────────┤
  内混元（中级） │        │  ●     │  ●     │  ●     │
                ├────────┼────────┼────────┼────────┤
功法阶段         │        │        │  ●     │  ●     │
  中混元（高级） │        │        │        │        │
                ├────────┼────────┼────────┼────────┤
  通用           │  ●     │  ●     │  ●     │  ●     │
                └────────┴────────┴────────┴────────┘

● = 常见关联（非强制）

此矩阵用于检索时的联合过滤：用户说"我刚学捧气贯顶"，系统推断 gongfa_type=外混元 + depth_level≤初级，优先推入门级内容。

十、技术实现方案

10.1 数据库设计

在现有 documents 表增加 JSONB 字段：

ALTER TABLE documents ADD COLUMN IF NOT EXISTS
  qigong_dimensions JSONB DEFAULT '{}';

-- GIN 索引支持高效 JSONB 查询
CREATE INDEX IF NOT EXISTS idx_documents_qigong_dims
  ON documents USING GIN (qigong_dimensions)
  WHERE category = '气功';

示例数据：

{
  "content_topic": ["功法", "调息"],
  "gongfa_type": "通用",
  "theory_system": "混元整体观",
  "depth_level": "中级",
  "discipline": "精义",
  "media_format": "视频",
  "speaker": "庞明主讲",
  "audience": "大专课程",
  "timeline": "秦皇岛时期",
  "presentation": "讲课",
  "data_source": "现场录像",
  "data_status": "待校对"
}

10.2 受控词表

建议新建 qigong_dimension_vocab 表管理维度定义：

CREATE TABLE IF NOT EXISTS qigong_dimension_vocab (
  dimension_code  VARCHAR(50) PRIMARY KEY,
  dimension_name  VARCHAR(100) NOT NULL,
  level           VARCHAR(10) NOT NULL DEFAULT 'required',
  sub_items       JSONB NOT NULL DEFAULT '[]',
  auto_extract    BOOLEAN DEFAULT FALSE,
  description     TEXT,
  updated_at      TIMESTAMP DEFAULT NOW()
);

好处： - 维度定义可动态更新，不需要改代码 - 前端录入表单可从词表自动生成 - 检索时可校验用户输入是否为合法子项

10.3 查询示例

-- 查找内混元阶段、形神庄相关、庞明主讲的资料
SELECT id, title,
       qigong_dimensions->>'gongfa_type' AS gongfa,
       qigong_dimensions->>'depth_level' AS depth
FROM documents
WHERE category = '气功'
  AND qigong_dimensions @> '{"gongfa_type": "形神庄"}'::jsonb
  AND qigong_dimensions @> '{"speaker": "庞明主讲"}'::jsonb;

-- 查找入门级、混元整体观理论体系的资料
SELECT id, title
FROM documents
WHERE category = '气功'
  AND qigong_dimensions @> '{"depth_level": "入门", "theory_system": "混元整体观"}'::jsonb;

-- 查找 content_topic 包含"调息"的资料（数组包含查询）
SELECT id, title
FROM documents
WHERE category = '气功'
  AND qigong_dimensions->'content_topic' ? '调息';

十一、实施路线

第一期：规则引擎自动打标（立即可做）

利用文件路径中编码的信息，通过正则匹配提取基础维度。

路径模式示例：

/大专班/精义/34/285明了调息的目的和作用C.mpg
  → audience = "大专课程"
  → discipline = "精义"
  → content_topic = ["功法", "调息"]
  → media_format = "视频"
  → speaker = "庞明主讲"（默认值）

/音频/教练员班/混元气理论2.1.mp3
  → audience = "教练员班"
  → content_topic = ["理论", "混元气理论"]
  → media_format = "音频"

/健身气功/健身气功八段锦/
  → theory_system = "健身气功"
  → gongfa_type = "通用"
  → content_topic = ["功法", "功理总论"]

预计覆盖率：

维度	提取来源	预计覆盖率
`media_format`	文件扩展名	~95%
`audience`	路径中班次关键词	~60%
`content_topic`	路径+标题关键词匹配	~50%
`discipline`	路径中教材关键词	~40%
`speaker`	路径中"庞鹤鸣"/"庞明"	~40%
`theory_system`	路径中"健身气功"等	~30%
`gongfa_type`	标题中功法名	~30%
`timeline`	路径中年份（如有）	~20%

第二期：ASR 转写 + NLP 增强打标

使用 FunASR/SenseVoice 将 2,367 个 MP3 和 1,225 个视频转写为文本
对转写文本用关键词 + 规则匹配补充维度标签
对已有文本内容（PDF、Word、TXT）做 NLP 分析，提取 content_topic、theory_system、depth_level

第三期：人工审核 + 知识图谱

对自动打标结果做抽样审核（优先审核高价值条目）
建立维度间的关联关系（如"形神庄"↔"内混元阶段"↔"经络混元"）
支持推理式检索（问"内混元阶段练什么"能关联到形神庄 + 五元庄）

十二、待确认事项

在动手实施前，以下问题需要定夺：

#	问题	选项
1	`content_topic` 分两层（一个维度）还是拆成两个维度？	A. 两层（推荐） / B. 两个维度
2	`course_level` 合并进 `audience` 是否同意？	A. 合并（推荐） / B. 保留
3	`depth_level` 与 `gongfa_type` 是否联动打标？	A. 联动（推荐） / B. 独立标注
4	实施范围：先做必标 7 维度还是全部 20 维度？	A. 必标 7 维先行（推荐） / B. 全部
5	受控词表是否需要新建数据表管理？	A. 新建词表（推荐） / B. 硬编码在代码中
6	路径解析规则是否需要覆盖所有 13,564 篇文档？	A. 全覆盖 / B. 优先覆盖主要路径模式（推荐）

附录 A：维度速查表

#	维度	代码	级别	子项数	主要打标方式
1	主题内容	content_topic	必标	5×~6	关键词+NLP
2	功法类型	gongfa_type	必标	15	关键词匹配
3	理论体系	theory_system	必标	6	关键词+规则
4	内容深度	depth_level	必标	5	交叉推断
5	教材归属	discipline	必标	10	路径提取
6	存在形式	media_format	必标	6	扩展名提取
7	讲授者	speaker	必标	6	路径+关键词
8	目标受众	audience	应标	9	路径提取
9	时间线	timeline	应标	5	路径+内容推断
10	表现形式	presentation	应标	9	规则+人工
11	数据来源	data_source	应标	8	规则推断
12	资料状态	data_status	应标	9	流程状态
13	场所地点	location	选标	10	人工
14	课程性质	course_type	选标	8	规则推断
15	语言类型	language	选标	5	自动提取
16	质量等级	quality	选标	3	人工
17	关联人物	related_persons	选标	开放	人工
18	安全级别	security_level	选标	4	规则
19	流通范围	distribution	选标	6	规则
20	收录方式	recording_method	选标	9	人工

附录 B：与原方案对照表

原方案 #	原维度	本方案处理
1	时间线 timeline	→ 维度 9，应标，5 段
2	存在形式 media_format	→ 维度 6，必标
3	表现形式 presentation	→ 维度 10，应标
4	对应受众 audience	→ 维度 8，与 course_level 合并
5	涉及内容 content_topic	→ 维度 1，必标，两级结构
6	场所地点 location	→ 维度 13，选标
7	课程级别 course_level	→ 合并进 audience（维度 8）
8	安全级别 security_level	→ 维度 18，选标
9	来源属性 data_source	→ 维度 11，应标
10	资料状态 data_status	→ 维度 12，应标
11	功法类型 gongfa_type	→ 维度 2，必标，三阶段六步
12	语言类型 language	→ 维度 15，选标
13	质量等级 quality	→ 维度 16，选标，简化为 3 级
14	课程性质 course_type	→ 维度 14，选标
15	授课人员 speaker	→ 维度 7，必标
16	收录方式 recording_method	→ 维度 20，选标
17	载体介质 carrier_media	→ 暂不实施
18	流通范围 distribution	→ 维度 19，选标
19	内容深度 depth_level	→ 维度 4，必标，5 级
20	学术属性 academic_type	→ 暂不实施
新增	理论体系 theory_system	→ 维度 3，必标
新增	教材归属 discipline	→ 维度 5，必标（从原 #9 拆出）
新增	关联人物 related_persons	→ 维度 17，选标

附录 C：术语说明

术语	说明
必标	每篇文档必须标注的维度，检索核心过滤条件
应标	尽量标注，允许部分文档缺失
选标	有则标注，无则跳过
联动打标	一个维度的值确定后，另一个维度自动填充默认值
受控词表	预定义的合法标签集合，防止同义词造成分类不一致
JSONB	PostgreSQL 的 JSON 二进制存储格式，支持索引和包含查询