第二篇 架构：5 层场景体系到底是什么

一、为什么需要"精确定义"

上一篇我们已经看过 5 层架构的总图。但很多人到这里会犯迷糊：

• "拣选区"是场景还是情境？
• "煎鸡蛋"是任务还是动作？
• "凌晨 3 点的便利店"算什么？
• "翻面"和"翻锅"是同一个动作吗？

如果定义不清楚，5 层架构就会塌成糊。

所以这一篇，我们要给每一层下一个唯一、互斥、可操作的定义，让任何人在任何时候都能精确判断"这个东西属于哪一层"。

二、L1 领域 Domain

定义

领域 = 一个完整的、独立的人类生产或生活活动大类，对应一个独立的"行业"或"生活区"。

判别法

满足以下 3 个条件就是一个领域：

1. 它在国家统计局的"国民经济行业分类"里有独立的大类编码（或可以从中明显归类）。
2. 它有一批"专门服务它的"上下游产业链（设备、培训、媒体、协会）。
3. 它的从业者具有相对稳定的职业身份（不是临时跨界）。

本书认定的 10 大领域

为什么是 10 个，不是 8 个、不是 12 个

• 少于 10 个会让大类太宽，容易把"医院"和"养老院"塞进同一个领域，但二者的合规要求差异巨大。
• 多于 10 个会让大类太碎，比如把"咖啡"独立成一个领域，但它本质是餐饮服务的子集。

10 个领域的设计参考：BEHAVIOR-1K 的 50 场景分组、FastUMI 数据超市的 10 大分类、京东具身智能的 100+ 场景白皮书、《具身智能数据行业研究白皮书 2026》的 8 大行业。

易混淆的"准领域"如何处理

三、L2 场景 Scene

定义

场景 = 一个领域内"具有相对独立物理边界或业务边界"的空间或单元。

判别法

满足以下 2 个条件就是一个场景：

1. 它有相对独立的物理边界（如"厨房"对应墙壁围合的房间）或业务边界（如"前台"对应一个工作台 + 一组职责）。
2. 在它内部，任务、参与者、设备、流程都相对自洽，可以独立采集而不必离开这个边界。

5 个范例

为什么"装配工位"是场景，"拧螺丝"不是

• 装配工位有独立物理边界（一个工位）+ 独立业务边界（一份 SOP 文件）→ 是场景。
• 拧螺丝只是"装配工位"内的一个具体任务，没有独立空间，也没有独立 SOP → 是任务。

易混淆的"准场景"如何处理

四、L3 情境 Context

定义

情境 = 一个场景内"由时间、目的、环境、参与者构成的具体处境"，是把场景从"地点"变成"生活的一刻"的关键。

判别法

满足以下 3 个条件就是一个情境：

1. 它有明确的时间约束（如"早晨""节假日""夜班"）或目的约束（如"招待客人""日常打扫"）。
2. 它会改变同一场景内"人怎么做事"的方式（如同一厨房，早餐准备 vs 晚餐宴客的动线完全不同）。
3. 它不到"具体任务"那么细，但比"场景"那么粗多走一步。

5 个范例

为什么需要"情境"层

直接从"场景"跳到"任务"会丢失大量上下文。

举个例子，同样是"切菜"任务：

• 场景"厨房" + 情境"早餐准备"：动作快、求快不求精，切的是简单蔬菜。
• 场景"厨房" + 情境"晚餐宴客"：动作精细、求摆盘好看，切的是复杂雕花。
• 场景"厨房" + 情境"节假日大餐"：动作量大、需要并行处理多种食材。

如果只标注"切菜"，AI 学到的就是"切菜"这个泛泛的概念，无法适应不同情境下的真实需求。

五、L4 任务 Task

定义

任务 = 一个情境内"有明确开始、有明确结束、有可验证目标"的工作单元。

判别法

满足以下 3 个条件就是一个任务：

1. 有一个清晰的"任务目标"——可以用一句话说"做完后世界变成了什么样"。
2. 有相对完整的开始和结束（如"开始：拿起鸡蛋；结束：鸡蛋装盘"）。
3. 在 30 秒到 30 分钟之间能完成（超过 30 分钟通常是多任务串联，需要拆分）。

5 个范例

"复杂任务"如何拆？

如果一个工作超过 30 分钟，把它拆成"主任务 + 子任务"。

例如"做一桌晚餐"是 2-3 小时的工作，拆成：

• T01 洗菜（10 分钟）
• T02 切菜（15 分钟）
• T03 炒菜 1（10 分钟）
• T04 炒菜 2（10 分钟）
• T05 摆盘上桌（5 分钟）
• T06 清洁灶台（10 分钟）

每一项都是一个独立任务，都可以单独采集、单独定价、单独训练。

六、L5 动作 Action

定义

动作（原子动作） = 一个任务内"不可再分的最小操作单元"，通常 0.5-3 秒能完成。

判别法

满足以下 3 个条件就是一个原子动作：

1. 它在物理上是连续的、不可中断的（如"伸手→抓握→平移→放下"是 4 个动作，不是 1 个）。
2. 它有清晰的前置状态和后置状态（如"开门"前门关着，后门开着）。
3. 它在 0.5-3 秒之间完成（更长的通常包含多个原子动作）。

5 个范例

4 大类原子动作（详见附录 B）

七、ID 编码规则

完整 ID 格式

D{2}-S{2}-C{2}-T{2}-A{2}

• D{2}：领域，2 位数字，01-99
• S{2}：场景，2 位数字，01-99
• C{2}：情境，2 位数字，01-99
• T{2}：任务，2 位数字，01-99
• A{2}：动作，2 位数字，01-99

总长 14 字符（不含连字符 18 字符），保证理论容量 100 亿种动作，足够未来 50 年扩展。

部分 ID（截断）的允许写法

编号分配原则

• 稳定性：一旦分配，永不复用。即使某个场景被废弃，它的 ID 也不再分配给其他场景（标记为 (deprecated)）。
• 可读性：编号顺序大致按"该领域内最常见 → 最罕见"排列，便于记忆。
• 预留空位：每一层都预留 50% 的编号空间（即 99 个位置只用 50 个左右），方便未来补充。
• 版本号：每年发布一次"场景库版本"，标注为 v1.0、v1.1、v2.0（详见 21 治理篇）。

八、5 个完整范例（从根到叶）

范例 1：家庭生活·厨房·早餐准备·煎鸡蛋·翻面

范例 2：餐饮服务·后厨·晚高峰备餐·出炒菜·抛锅颠勺

范例 3：工业生产装配·装配工位·夜班连续作业·装配单台主机·拧紧螺丝

范例 4：物流仓储·拣选区·双 11 大促日·拣选一单·扫码确认

范例 5：医疗护理与康养·病房·夜间护理巡视·检查输液·看输液袋容量

九、跨层关系的 6 条铁律

1. 下层归属上层：每一层的实体必须明确归属一个上层（任务必属一个情境，情境必属一个场景）。
2. 不允许跨层引用：不能说"D01 领域里的某个动作"，必须先确定它属于哪个场景、哪个情境、哪个任务。
3. 可以同名不同 ID：不同场景里都可能有"开门"动作，但 ID 不同（D01-S03-...-A05 vs D02-S01-...-A05）。
4. 一个动作不能跨任务：如果"翻面"在煎鸡蛋和煎牛排中都出现，要分配两个 ID。
5. 场景 / 情境可以"虚化"：极少数任务（如"穿越式"任务，比如"从前台走到电梯"）允许不归属于具体场景，标记为 S00（公共空间）。
6. L1 不能合并 L5：即使两个领域里某个动作完全相同（如"按电梯按钮"），也必须分别在两个领域下编码，因为采集时的硬件、合规、上下文不同。

十、判别工作流：来一个新东西，怎么分类？

flowchart TD
    Start[新东西到手] --> Q1{它是一个完整<br/>独立的行业吗?}
    Q1 -->|是| L1[加入L1 领域]
    Q1 -->|否| Q2{它有独立的物理或<br/>业务边界吗?}
    Q2 -->|是| L2[加入L2 场景]
    Q2 -->|否| Q3{它是某个时间或<br/>目的的处境吗?}
    Q3 -->|是| L3[加入L3 情境]
    Q3 -->|否| Q4{它有明确开始和<br/>结束 30秒-30分钟吗?}
    Q4 -->|是| L4[加入L4 任务]
    Q4 -->|否| Q5{它是不可再分的<br/>0.5-3秒动作吗?}
    Q5 -->|是| L5[加入L5 动作]
    Q5 -->|否| Reject[拒绝 重新拆解]

十一、本篇一图回顾

flowchart TB
    subgraph 5层架构 [5层架构]
        D[L1 Domain 领域<br/>10个]
        S[L2 Scene 场景<br/>80+]
        C[L3 Context 情境<br/>320+]
        T[L4 Task 任务<br/>1000+]
        A[L5 Action 动作<br/>5000+]
    end
    D --> S --> C --> T --> A

    subgraph 编码 [ID编码]
        ID[D{2}-S{2}-C{2}-T{2}-A{2}]
    end

    subgraph 铁律 [6条铁律]
        R1[下层归属上层]
        R2[禁止跨层引用]
        R3[同名不同ID]
        R4[原子动作不跨任务]
        R5[场景情境可虚化]
        R6[领域不能合并动作]
    end

    A --> ID
    ID --> R1

十二、行动清单

• 拿出你最熟悉的一项日常活动，按 5 层架构完整拆一遍，自己分配一组临时 ID。
• 把这 5 层定义讲给身边人听，看他们能不能反过来用这 5 层描述自己的工作。
• 在 附录 A 总目录 里找一个具体场景，看它的 ID 长什么样。

十三、自检三问

1. 5 层架构每一层的"判别法"分别是什么？
2. 完整 ID 的 5 段格式是什么？请写出一个家庭领域的完整范例。
3. 当一个新东西既像场景又像情境时，你应该怎么判断？

下一篇预告：03 第三篇 全图：10 大领域速览与选择决策树，我们将一次性给出 10 大领域的"鸟瞰图"，并附上一棵"我适合哪个领域"的决策树。