洞察
什么是知识驱动工程？
知识驱动工程将工程证据、实体、关系与工作流组织为结构化知识，使工程活动更易追溯和审查。本文解释其含义、边界与实践起点。
一个常见的工程问题
在医疗器械研发中，设计输入、风险分析、控制措施、验证活动和技术文档通常分布在不同的文件、表格和系统中。每一份文件可能都是正确的，但它们之间的 relationships 往往依赖人工记忆和重复核对。
当设计或工艺发生变化时，团队需要重新确认哪些风险受到影响、哪些验证证据仍然有效、哪些文档需要更新。这种跨文件、跨职能的追踪成本，是知识驱动工程试图解决的问题。
知识驱动工程的定义
知识驱动工程是一种方法：它将工程证据、实体、关系和工程工作流组织为结构化知识，再用这些结构支持分析、审查和文档输出。它的重点不是“生成更多文档”，而是让工程信息之间的关系变得明确、可追溯、可复用。
结构化知识包含什么
- 证据：来源、数据类型、采集时间和适用范围
- 实体：危害、机制、伤害、风险控制、验证活动、设计输入等
- 关系：某个危害由哪些机制导致、由哪些控制措施缓解、由哪些验证活动支持
- 工作流：信息如何从输入处理到输出，以及在哪一步需要人工审查
- 状态：哪些内容可演示、开发中、规划中或仅为概念研究
它不是什么
知识驱动工程不是“AI 自动写文档”，也不是用模型替代法规或工程判断。风险可接受性、验证充分性和正式批准仍然需要具备资质的人员完成。结构化知识的作用，是让这些判断拥有更清晰的证据基础。
AI 在其中的位置
AI 可以辅助信息抽取、证据归一化、关系建议和文档草拟。它适合处理重复性的信息组织工作，但不适合独立作出受监管的工程结论。一个可靠的模式是：AI 辅助生成可审查的中间结果，工程人员审查、修正并批准。
如何开始
- 选择一个边界清晰的工程工作流，而不是一次性重构所有文档
- 定义该工作流中的核心实体和它们之间的关系
- 为每条重要关系保留来源和证据
- 明确哪些步骤需要人工审查
- 先用小范围样例验证结构是否真的支持工程问题