为 SAVEN Core 组织人的数据的结构。

人的数据模型是组织人的数据并保留上下文与关系的结构化表示，位于人与后续系统之间，使辅助保持获授权且可问责。

在 SAVEN Core 中这很重要，因为后续层——如知识引擎与 AI 决策支持——应使用组织化上下文，而非非正式个人视图。这些层辅助人工审查，不替代人类判断。

组织人的数据，使基础层与系统可使用共享、有限的人员视图。

将可知内容、可访问者与使用理由作为结构规则——非可选附加。

在已述权限与边界内为应用情境准备谨慎辅助路径。

• 一致性 — 共享定义防止相同授权信息在冲突规则下被重新解读。
• 数据分离 — 类别保持独立。合并类别需要明确目的、权限与审查路径。
• 隐私 — 隐私定义可用内容、使用理由与可见者。
• 可解释性 — 审查者应能看到哪些上下文为辅助路径提供信息。
• 可扩展性 — 新类别仅可通过受治理架构变更添加，不可通过模型外非正式收集。
• 互操作性 — 与批准外部环境的交换保持有限，并受隐私、安全与安全规则约束。
• 人工监督 — 模型在人类权威下支持辅助，不赋予系统对人的独立决策权。

Current public scope defines the Human Data Model as architecture: purpose, principles, category roles, relationships and scope.

公开材料将人的数据模型呈现为架构：目的、原则、类别角色、关系与范围——非生产或临床系统。

详细模式、权限矩阵与变更事件设计见相关注册主题。