3.6 属性-功能矩阵生成器：把OAF分析自动化

3.6 属性-功能矩阵生成器：把OAF分析自动化

本节摘要：手工做 OAF 分析，对象一多属性清单就管不住。本节写一个可跑的属性-功能矩阵生成器：输入对象与属性清单，自动产出"属性×功能"排查底表、标注致害与可利用角色、提示空行空列代表的盲区。

矩阵为什么是正确的形状

OAF 分析的本质是三层映射：对象→属性→功能。三层两两追问，最自然的容器就是矩阵。属性-功能矩阵以属性为行、功能（或作用对象）为列，格子填角色：这个属性在这个作用里是致害、受害、可利用还是无关。矩阵的三个天然优势：完备性（每个属性×功能组合都有格子，不许跳过）、可计算（空格、某类角色的聚集一眼可辨）、可交接（新成员拿到矩阵十分钟进入状态）。

手工维护矩阵的痛苦在规模：十个对象平均六个属性，就是六十行；乘上五条功能边，三百个格子要逐个表态。这正是脚本的用武之地——人只填有判断的格子，机器负责结构、查漏、统计。

生成器的完整实现

from dataclasses import dataclass, field

@dataclass
class AFMatrix:
    objects: dict = field(default_factory=dict)   # 对象名 -> 属性列表
    functions: list = field(default_factory=list) # (源, 动作, 目标)
    roles: dict = field(default_factory=dict)     # (属性, 功能) -> 角色
    def cell(self, attr, func):
        return self.roles.get((attr, func), "未表态")
    def fill(self, attr, func, role):
        assert role in ("致害", "受害", "可利用", "无关", "未表态")
        self.roles[(attr, func)] = role
    def blind_spots(self):
        return [(a, f) for a, _ in self.attr_rows() for f in self.functions
                if self.cell(a, f) == "未表态"]
    def attr_rows(self):
        return [(f"{o}.{a}", a) for o, attrs in self.objects.items() for a in attrs]

m = AFMatrix(
    objects={"腔内空气": ["压强", "热容"], "护套": ["接缝间隙", "内壁表面能"],
             "密封胶": ["弹性"], "导体": ["表面状态"]},
    functions=[("腔内空气", "换气", "外界"),
               ("护套", "阻隔", "水汽"),
               ("密封胶", "封堵", "接缝"),
               ("导体", "导通", "信号")],
)
m.fill("腔内空气.压强", ("腔内空气", "换气", "外界"), "致害")
m.fill("腔内空气.热容", ("腔内空气", "换气", "外界"), "可利用")
m.fill("护套.接缝间隙", ("护套", "阻隔", "水汽"), "致害")
m.fill("护套.内壁表面能", ("护套", "阻隔", "水汽"), "可利用")
m.fill("密封胶.弹性", ("密封胶", "封堵", "接缝"), "可利用")
m.fill("导体.表面状态", ("导体", "导通", "信号"), "受害")
for label, a in m.attr_rows():
    row = "  ".join(f"{f[1]}:{m.cell(a, f)}" for f in m.functions)
    print(f"{label:12s} {row}")
print("未表态格子:", len(m.blind_spots()))
​

打印出的矩阵是分析现场的作战地图：每行一个属性，每列一条功能，角色一目了然。最后一行的"未表态格子"数是质量指标——超过两成未表态说明分析没做完就散会了。

三个机器视角

矩阵填完后，脚本还提供三个人眼容易漏的视角。

视角一：角色聚集检测。 若"致害"角色在某列高度聚集，说明这条功能边是全链路的众矢之的——它就是第 4 章算子应该重点轰炸的边。统计代码一行：按列计数角色。

视角二：孤儿属性检测。 某行全是"无关"，说明这个属性当初列进了清单却没有参与任何功能——要么是分析遗漏（其实参与只是没看出来），要么是冗余属性（该从清单删掉）。两种情况都值得开会说清。

视角三：可利用属性热力。 "可利用"最多的对象是解题的富矿——接头案例里密封胶与护套内壁都是双角色属性持有者，资源导向的算子 1 应该先从它们下手。

# 三个视角的最小实现
from collections import Counter
col_stats = Counter()
for (attr, func), role in m.roles.items():
    if role == "致害":
        col_stats[func[1]] += 1
print("致害聚集的功能边:", col_stats.most_common())
orphan = [label for label, a in m.attr_rows()
          if all(m.cell(a, f) == "无关" for f in m.functions)]
util = Counter()
for (attr, func), role in m.roles.items():
    if role == "可利用":
        util[attr.split(".")[0]] += 1
print("可利用富矿对象:", util.most_common())
​

生成器工作流

与 2.6 节对象模型的关系

2.6 节的 ObjectInWorld.attributes 字典存的是"属性名→角色"，本节的矩阵把角色精确到"属性×功能"粒度。两套可以合流：把矩阵生成器的 roles 字典挂进对象模型，分析归档时一并存盘。工程上建议保持"一个分析一份模型对象"的纪律，矩阵、概念、评分全部作为它的内部结构——散落成多个文件的分析资产，三个月后没人记得怎么拼回来。

本节要点回顾

• 矩阵保证完备：属性×功能的每个格子都必须表态，跳格就是跳过线索
• 人填判断机器管结构：分工原则——人有判断力，脚本有耐心
• 未表态占比是完成度：两成以上未表态，分析不许散会
• 三视角防盲区：致害聚集、孤儿属性、可利用富矿，全是人工易漏的模式
• 与对象模型合流：矩阵作为对象模型的内部结构归档，防止分析资产碎片化

常见问答

矩阵的行列能不能反过来（功能为行属性为列）

可以，语义等价。选择原则看团队习惯：属性导向的团队（材料、工艺背景）习惯按属性扫行，功能导向的团队（设计、系统背景）习惯按功能扫行。关键是整场分析保持一种方向，中途翻转矩阵会让人晕。

"无关"和"未表态"为什么要区分

无关是判断后的结论（这个属性确实不参与该功能），未表态是没来得及想。把两者混为一谈会掩盖分析缺口。这也是生成器把"未表态"单独设为默认值的原因——完成度指标只统计未表态，无关不算缺口。

矩阵做完之后多久更新一次

每次分析会议后更新一次，与白板照片同步归档。跨场次累积的矩阵价值翻倍：第二个问题若与旧问题共享封闭世界对象，旧矩阵的角色标注可以直接继承，分析提速一半。矩阵是团队记忆的最紧凑形态。