AI Native 智能体平台

活跃智能体

24

↑ 3 较昨日

日任务量

1,283

↑ 12.5%

成功率

94.7%

↑ 0.3%

日均 Token 消耗

¥847

↓ 5.2% 较上周

⚡ 快速操作新手引导 · 一键直达核心功能

🤖

创建智能体

4种类型可选 · 一键创建+沙盒测试

📋

审批工作台

3项待审批 · HITL L3级审批入口

🔔

查看告警

2条严重告警 · 供应链延迟飙升

🎭

部署场景

6个预置场景模板 · 一键部署

🧠

配置路由

4个业务域路由 · Fallback链配置

业务域调用概览

业务域	日调用	成功率	P99延迟	日均Token	状态
金融投研	523	96.2%	1.2s	¥312	健康
智能客服	412	93.8%	0.8s	¥198	健康
供应链	348	94.1%	1.5s	¥337	注意

模型路由概览

模型	路由占比	平均延迟	成功率	日均调用
GPT-4o	42%	1.1s	97.3%	540
Claude-3.5	28%	0.9s	95.6%	360
DeepSeek-V3	18%	0.6s	92.1%	230
Qwen-72B	12%	0.5s	89.8%	153

时间	级别	来源	描述
10:23	严重	供应链-库存查询	P99延迟飙升至 4.2s
09:47	警告	DeepSeek-V3	成功率降至 88.3%
08:15	提示	Token 预算	金融投研究域Token消耗接近月度预算80%

场景	业务域	成功率	SLA达标	日均调用	状态
反洗钱调查助手	风控	96.2%	99.5% ✓	48	健康
智能客服	零售	93.8%	99.2% ✓	412	健康
供应链预警	供应链	94.1%	99.0% ✓	32	注意
投研分析助手	金融投研	96.8%	98.8% ⚠	523	SLA预警
运维巡检助手	运营	99.6%	99.8% ✓	120	健康

服务名称	版本	语言	协议	安全级别	数据分级	业务域	状态
aml-investigate-server	v2.1.0	Python	stdio	L3 受控	D3 敏感	金融投研	已上线
realtime-stock-server	v1.3.2	TypeScript	SSE	L2 内部	D2 内部	金融投研	已上线
email-sender-server	v1.0.4	Python	stdio	L2 内部	D2 内部	智能客服	已下线
supply-chain-tracker	v3.0.1	Go	HTTP	L1 公开	D1 公开	供应链	已上线
knowledge-retriever	v1.2.0	Python	stdio	L2 内部	D2 内部	知识管理	评审中

🔴 L3 受控级别 — 高安全要求

含高度敏感数据，需审批授权。评审流水线6阶段(格式→安全→功能→合规→集成→上线审批)，安全评审和合规评审为强制阻断关卡。

安全评审报告 *

📄 必须提交安全评审报告(含漏洞扫描结果+PII处理声明+加密方案)

加密传输 *

L3必须启用加密传输

PII处理声明 *

强制限流 (QPM) *

L3强制30QPM，默认值不可超过60

审批人

信息安全部合规部

组合黑名单 *

L3级别必须指定组合黑名单，防止与低安全级别服务组合导致数据泄露

强制 email-sender-server（可能触发外部邮件泄露敏感数据） ✕

强制 realtime-stock-server（可能泄露客户持仓与交易数据） ✕

WORM审计日志 *

强制启用 SHA-256不可篡改 · 每条调用记录永久留存 · 合规追溯3年 WORM

数据分级 *

D3/D4 级数据必须启用加密传输和审计日志；安全级别与数据分级需匹配(L3→D3+, L2→D2+)

业务域

工具列表

investigate_company → 查询企业关联图谱 ✕

check_risk_score → 计算风险评分 ✕

组合黑名单

指定不可与本服务同时挂载的 MCP 服务（防止冲突或数据泄露）。

email-sender-server（原因: 可能触发外部邮件泄露敏感数据） ✕

限流配置 (QPM)

默认不限流，建议 L3 服务设为 60 QPM

源码仓库

所有新录入的 MCP 服务必须通过6阶段评审流水线方可上线。安全评审(L3+)和合规评审(D3+)为强制阻断关卡。

aml-investigate-server 评审中

提交于 2026-07-09 14:30

✓

格式校验

✓

安全评审

✓

功能验证

4

合规评审

5

集成测试

6

上线审批

✓

格式校验 — schema 合规，字段完整

2min

✓

安全评审 — L3 受控级别已提交安全报告，漏洞扫描通过

15min

✓

功能验证 — 2 个工具均可正常调用，响应延迟 <1s

8min

↻

合规评审 — D3 敏感数据分级审核，等待合规官确认

进行中…

—

集成测试 — 待前置评审通过

—

上线审批 — 待集成测试通过

进度: 3/6 阶段通过 · 预计剩余 2h

email-sender-server 评审失败

提交于 2026-07-08 09:15

✓

格式校验

✕

安全评审

3

功能验证

4

合规评审

5

集成测试

6

上线审批

✓

格式校验 — schema 合规

1min

✕

安全评审 — 未通过: 端点缺乏 TLS 加密，存在邮件内容泄露风险

12min

—

功能验证 — 阻断

—

合规评审 — 阻断

—

集成测试 — 阻断

—

上线审批 — 阻断

进度: 1/6 · 安全评审未通过，流水线已阻断

ACL 规则控制智能体对 MCP 服务工具的调用权限。规则按优先级从高到低匹配，建议显式定义 Deny 规则防范越权调用。

ACL 规则管理

优先级	智能体	MCP 服务	工具	动作	条件
P1	aml-investigator	aml-investigate-server	investigate_company	Allow	业务域=金融投研
P2	*	email-sender-server	send_email	Deny	数据分级≥D3
P3	customer-service-bot	realtime-stock-server	get_stock_price	Allow	限流 30 QPM

智能体挂载 MCP 服务前需提交使用申请，经服务 Owner 审批后方可生效。L3 服务需额外经安全官审批。

MCP 服务使用申请

申请智能体 *

目标 MCP 服务 *

申请工具范围 *

investigate_company ✕

申请理由 *

预计调用频率

使用期限

Skill 目录

创建 Skill

上传 Skill 包

分发 & 灰度

Skill 名称	类型	业务域	版本	依赖工具数	日调用	成功率	人工介入	状态
运维故障定位	workflowLangGraph	运营	v2.1	3	423	96.2%	12%	active
智能客服	supervisorLangGraph+A2A	零售	v1.8	5	2,100	93.6%	18%	active
信贷审批辅助	supervisorADK Java A2A	对公	v1.3	8	187	91.5%	28%	active
反洗钱调查	supervisorADK Go A2A	风控	v0.9-beta	12	—	—	—	pending_review
临时数据分析	autonomousLangGraph	跨域	v1.5	2	361	93.6%	18%	active
监管报送	workflown8n	风控	v1.0	6	—	—	—	draft

SkillHub(iflytek/skillhub) 能力: 多租户命名空间 · RBAC(Owner/Admin/Member+SUPER_ADMIN) · 双层审核(团队+平台) · 语义版本管理 · 审计日志 · API Token · 全文搜索 · CLI
我方定制(~15%): 三层治理审核前置(Spring Boot Filter) · Agent Runtime注册回调 · 安全评审流水线对接

创建 Skill · SKILL.md 定义Skill = 一份结构化 Markdown 文件，定义「何时触发→如何执行→输出什么」

📝 SKILL.md Frontmatter YAML元数据

以下字段对应 SKILL.md 的 YAML frontmatter 区，定义 Skill 的身份与分类

Skill 名称 * → title

版本号 * → version

业务域 * → read_when[].domain

执行模式 → execution_mode

影响编排方式，但不再决定全部表单字段

摘要 * → summary

🎯 触发条件 read_when

定义 Skill 在什么场景下被激活——可以是关键词、意图分类、业务事件或人工指定

触发方式 *

触发规则

意图分类触发

意图标签	置信度阈值	优先级	说明
aml_investigate	≥ 0.85	P1	反洗钱调查请求
suspicious_transaction	≥ 0.80	P2	可疑交易告警触发
compliance_check	≥ 0.75	P3	合规审查请求

意图分类由上游 Agent Router 完成 → 匹配意图+置信度≥阈值 → 自动激活本 Skill

事件源	事件类型	过滤条件
风控系统	suspicious_transaction_alert	金额>50万 & 频率异常
合规系统	aml_case_created	case_type=重点可疑

⬇⬆ 输入输出 Schema input / output

定义 Skill 接收什么数据、输出什么格式——Agent Runtime 据此校验和路由

输入 Schema *

字段	类型	必填	说明	来源
customer_id	string	必填	客户唯一标识	用户输入
transaction_ids	string[]	必填	可疑交易ID列表	告警系统
investigation_type	enum	可选	调查类型: 重点/一般	用户选择
context	object	可选	上游对话上下文	Agent传递

输出 Schema *

字段	类型	说明	下游消费
risk_score	float(0-1)	综合风险评分	审批流路由
investigation_report	markdown	调查报告全文	HITL审批
evidence_chain	object[]	证据链: [{交易,关联人,金额,原因}]	合规存档
recommendation	enum	处置建议: 报告/冻结/上报	调查员决策
hitl_required	boolean	是否需要人工审批	审批引擎

📋 执行步骤 SKILL.md正文

Skill 的核心执行逻辑——按步骤定义推理→检索→判断→输出的完整流程，每步标注工具依赖和决策点

Step 1 客户画像构建

MCP query_customer_profile

调用 aml-investigate MCP → 获取客户基本信息、关联账户、历史交易模式 → 构建客户画像摘要(≤500token)

⏱ 超时5s · 🔄 重试2次 · 📊 数据分级 D3 → 必须精炼摘要模式

Step 2 交易链路分析

MCP analyze_transaction_chain

调用交易链路分析 MCP → 追踪资金流向、识别多层转账、发现异常模式 → 输出证据链 evidence_chain

⏱ 超时8s · 🔄 重试1次 · ⚠️ 金额>500万 → 自动升级到 L4 HITL

Step 3 案例比对 & 模式识别

KB 反洗钱案例库 + 监管规则库

检索反洗钱案例库(语义+KG) → 匹配相似案例 → 检索监管规则库 → 判断是否触发合规红线 → 输出相似度排名 + 规则命中列表

📚 RAGFlow 4通道召回 → bge-reranker → top-3 · KG权重0.2 · 语义0.4

Step 4 风险评估 & 三层治理过滤决策点

Skill 合规审查Skill + 三层治理 Guard

综合画像+证据链+案例 → LLM生成风险评分(risk_score) → 三层治理三层过滤(合规红线/PII脱敏/事实校验) → 判断是否需要HITL

🛡 三层治理 D3级28条规则 · risk_score>0.7 → HITL L3合规官审批 · risk_score>0.9 → L4双人复核

Step 5 报告生成 & 输出

内置 format_output

将调查结论格式化为结构化报告 → 输出 investigation_report(markdown) + evidence_chain + recommendation + hitl_required

🔗 依赖资源 dependencies

Skill 执行所需的 MCP工具、知识库和其他Skill——部署前自动校验依赖完整性

🔌 MCP 工具步骤中引用的工具必须在依赖中声明

所有工具调用必经MCP安全网关(认证/限流/6阶段评审/审计)

privileged query_customer_profile aml-investigate-server · D3 MCP → Step1 ✕

privileged analyze_transaction_chain aml-investigate-server · D3 MCP → Step2 ✕

standard kb-search knowledge-search-server · D2 MCP → Step3 ✕

📚 知识库步骤中引用的KB必须在依赖中声明

KB 反洗钱案例库 1,240条 · v3.2 · KG+语义 RAGFlow → Step3 ✕

KB 监管规则库 856条 · v2.1 · 关键词+语义 RAGFlow → Step3 ✕

🧩 其他 Skill 可引用已上线Skill作为子步骤

Skill 合规审查Skill 三层治理 Guard · D3级 · 28条规则 → Step4 ✕

🛡 安全约束 constraints

定义 Skill 的安全边界——数据分级、HITL触发条件、输出过滤、审计要求

数据分级 * → constraints.data_classification

D3级 → PII声明必填 · WORM审计 · KB检索必须精炼摘要模式

HITL 触发规则 → constraints.hitl_rules

触发条件	HITL级别	审批人
风险评分 > 0.7	L3 审批型	合规官
风险评分 > 0.9 或金额>500万	L4 双人复核	信贷经理+风险经理
三层治理拦截(合规红线命中)	L4 双人复核	合规总监+法务

输出过滤 → constraints.output_filter

三层治理三层过滤 ✓PII脱敏 ✓事实校验 ✓WORM审计 ✓

D3级强制: 合规红线→PII→事实 → 所有输出必经三层过滤方可返回

执行边界 → constraints.execution_limits

最大迭代轮次

Token预算上限

三级预算: 任务/用户日/业务域月

超时上限

👁 SKILL.md 实时预览

---

title: "反洗钱调查助手"

summary: "反洗钱调查辅助，帮助调查员完成客户画像、交易链路分析、可疑模式识别和风险评估"

version: 0.9.0

execution_mode: supervisor

read_when:

  - intent: aml_investigate, confidence ≥ 0.85

  - intent: suspicious_transaction, confidence ≥ 0.80

input:

  customer_id: string (required)

  transaction_ids: string[] (required)

  investigation_type: enum (optional)

output:

  risk_score: float(0-1)

  investigation_report: markdown

  evidence_chain: object[]

dependencies:

  mcp: [aml-investigate, knowledge-search]

  kb: [反洗钱案例库, 监管规则库]

  skill: [合规审查Skill]

constraints:

  data_classification: confidential (D3)

  hitl_rules: [{risk_score>0.7 → L3}, {risk_score>0.9 → L4}]

  output_filter: [三层治理, PII脱敏, 事实校验, WORM]

  max_iterations: 15 | token_budget: 50000

---

## 执行步骤

### Step 1: 客户画像构建

调用 query_customer_profile → 获取客户基本信息 → 构建画像摘要(≤500token)

### Step 2: 交易链路分析

调用 analyze_transaction_chain → 追踪资金流向 → 输出证据链

### Step 3: 案例比对 & 模式识别

检索反洗钱案例库(语义+KG) + 监管规则库 → 匹配相似案例 → 规则命中列表

### Step 4: 风险评估 & 三层治理过滤 ⚡决策点

综合评分 → 三层治理三层过滤 → 判断HITL级别 → 输出risk_score

### Step 5: 报告生成 & 输出

格式化为 investigation_report + evidence_chain + recommendation

↑ 以上为根据表单实时生成的 SKILL.md 预览 · 也可直接编辑 Markdown 源码

上传 Skill 包

📦

拖拽 Skill 包到此处

.zip / .tar.gz 格式，含 skill.yaml + 源码/DSL

skill.yaml 规范示例

# skill.yaml — Skill包核心元数据
skill_id: aml-investigate-assistant
name: 反洗钱调查助手
version: 0.9.0
execution:
  type: supervisor          # workflow|supervisor|autonomous|mcp_auto
  max_iterations: 15
  timeout_seconds: 300
required_tools:
  - aml-investigate-server/query_customer_profile
  - knowledge-search-server/kb-search
knowledge_refs:
  - kb_id: aml-case-library; version: 3.2
remote_agents:
  - agent_id: aml-pattern-detector; language: go; bridge: a2a
governance:
  data_classification: confidential
  security_level: privileged
  hitl_nodes: [report_generation]

智能客服 v1.8 → v1.9 灰度发布SkillHub版本管理

开发完成

→

内部测试

→

安全评审

→

灰度5%

→

灰度20%

→

灰度50%

→

全量发布

灰度比例

5%

灰度观察指标

成功率: 95.2%(↑1.6%) · 平均耗时: 7.8s(↓0.5s) · 转人工: 15%(↓3%)

灰度机制: 新版本按task_id哈希分配比例。灰度期间双版本并存，运行时抽象层按配置路由。一键回滚，业务零中断。

版本历史 SkillHub版本管理

版本	发布时间	灰度路径	关键变更	状态	操作
v1.9	2026-07-09	灰度5% → 观察中	+多轮对话优化 · +FAQ缓存命中 · +免责声明自动追加	灰度中
v1.8	2026-06-15	5% → 20% → 50% → 100%(全量)	+RAGFlow 4通道检索 · +话术推荐 · +HITL L2确认	全量
v1.7	2026-05-20	5% → 20% → 100%(全量)	+DeepSeek-V3路由 · +FAQ直命中免LLM	已废弃	—
v1.5	2026-04-01	直接全量(简单场景)	初始版本 · 单轮对话 · Qwen3-72B	已废弃	—

智能体类型

创建智能体

编排画布

默认工具集

配置详情

🔄 Workflow 工作流型

固定DAG有向无环图，确定性最强

✓ 适合合规/审批/报送

✓ HITL节点嵌入审批

✓ 骨架静态+配置动态

✓ LangGraph StateGraph

典型场景: 监管报送、审批流程、运维故障定位(SOP)

🏗️ Supervisor 主管编排型

主管Agent分解任务，委派多个Worker

✓ 支持跨语言Worker(Go/Java A2A)

✓ Context Package精炼传递(降80% token)

✓ 熔断器+Schema验证+跨语言Trace

✓ LangGraph + ADK A2A

典型场景: 反洗钱调查、信贷审批、智能客服(路由)

🧠 General 通用智能体

单Agent自主决策，ReAct循环

✓ 自主选择工具和路径

✓ 轻量、快速迭代

✓ LangGraph ReAct Agent

典型场景: 临时数据分析、知识问答、FAQ客服

🤝 Multi-Agent-as-Tool

Agent-as-Tool模式，每个Agent可调用其他Agent

✓ Worker Agent注册为Tool

✓ 信任衰减: 3跳后阻断

✓ A2A RemoteAgentTool

典型场景: 全流程信贷审批、复杂反欺诈分析

选型决策树: 固定路径→Workflow | 多专家协作→Supervisor | 简单问答→General | 全流程→Multi-Agent-as-Tool
底层: 统一LangGraph编排，运行时抽象层抽象层保证经典运行时 → 原生图运行时切换零感知

创建新智能体选择类型后，下方配置区将自动切换为对应的专属表单

智能体名称 *

ID 自动生成，可修改

类型 * 不同类型对应不同的配置项和编排方式

🔄 Workflow

🏗️ Supervisor

🧠 General

🤝 Multi-Agent

模型 *vLLM

运行时运行时抽象层

🔗 DAG 流程编排 LangGraph StateGraph

Workflow型以固定DAG路径执行，确定性最强。请按顺序定义节点，支持LLM/Tool/Condition/HITL四种节点类型。

节点序列定义

1意图识别→ 模型 Qwen3-7B

2故障分类→ 分支: 网络故障/应用故障/安全事件

3日志检索→ MCP: ops-log-search-server

4根因分析→ 模型 DeepSeek-R1

5人工确认 (HITL)→ interrupt_before 暂停，需审批员确认

6处置建议→ 模型 Qwen3-72B

⏸️ HITL 审批节点配置

Workflow型支持在DAG任意位置嵌入HITL暂停点，interrupt_before机制保证执行到此处暂停等待人工。

审批级别

审批超时策略

🛡️ 固定路径安全优势

Workflow型安全特性: ① 骨架静态编译→运行时不可篡改 ② 所有路径可枚举→合规审计友好 ③ HITL节点位置固定→审批节点不可绕过 ④ 节点配置动态加载(Postgres skill_node_config)→业务变更无需重编译

👷 Worker Agent 委派配置 LangGraph + ADK A2A

Supervisor型由主管Agent分解任务、委派Worker、汇聚结果。Worker可以是本地Python Agent或跨语言(Go/Java)A2A远程Agent。

Worker 委派列表

Worker A: 客户画像分析Python·本地

ID: customer-profile-worker · 语言: Python · 调用方式: 本地函数调用

挂载工具: query_customer_profile(MCP), kb_search(RAGFlow)

Worker B: 交易模式检测Go·A2A

ID: pattern-detector-worker · 语言: Go · 调用方式: A2A远程协议桥接

A2A端点: go-pattern-detector:8080 · 超时: 30s · 重试: 2次

Worker C: 风险评分计算Java·A2A

ID: risk-scoring-worker · 语言: Java · 调用方式: A2A远程协议桥接

A2A端点: java-risk-scoring:9090 · 超时: 15s · 重试: 1次

支持 Python(本地) · Go(A2A) · Java(A2A)

📦 Context Package 传递策略降80% token

Supervisor向Worker传递精炼的Context Package而非全量对话，大幅降低token消耗和跨语言序列化开销。

传递模式

Schema验证Pydantic

🔄 熔断器 & 跨语言 Trace

熔断阈值Circuit Breaker

跨语言Trace

🧠 ReAct 循环配置 LangGraph ReAct Agent

General型单Agent自主决策，ReAct循环：Thought→Action→Observation→Thought…直到得出答案或达到边界。

最大推理轮次防止无限循环

最大token消耗

工具选择策略

失败重试

🛡️ 自主决策边界 Agent能自主做什么，什么必须人介入

决策项	自主权限	安全限制
知识检索	自主	相关性>0.7才注入，PII自动脱敏
工具调用(读)	自主	standard级工具可自主调用
工具调用(写)	必须HITL	privileged/写入类需审批
数据输出	受限	Guard三层校验后才输出
跨域访问	禁止	运营域不可访问对公域数据

💡 General型适用场景

最适合: 临时数据分析、知识问答、FAQ客服、轻量级任务 · 不适合: 固定合规流程(用Workflow)、多专家协作(用Supervisor)、全流程(用Multi-Agent)
优势: 轻量快速迭代，单Agent最简单 · 风险: 自主决策边界需严格配置，否则可能越权

🤝 Agent-as-Tool 注册 A2A RemoteAgentTool

Multi-Agent型将每个Agent注册为Tool，主Agent可调用其他Agent。支持信任衰减机制，3跳后自动阻断。

已注册的 Agent-as-Tool

注册为Tool名	调用方式	信任层级	跳数
investigate_aml	Python·本地	L1 直接信任	1跳
assess_credit	Python·本地	L1 直接信任	1跳
check_compliance	Go·A2A	L2 间接信任	2跳

🔒 信任衰减与阻断核心安全机制

调用链每多1跳信任衰减一级，超过阈值自动阻断。防止Agent无限嵌套调用导致不可控。

主Agent→ 1跳aml-investigator→ 2跳compliance-checker→ 3跳🚫 阻断

最大跳数阈值Trust Decay

阻断策略

🔄 调用编排策略

编排模式

结果汇聚

编排引擎: LangGraph StateGraph统一编排，Agent-as-Tool通过A2ARemoteAgentTool注册 · 支持Python/Go/Java混合调用 · 每次调用携带W3C TraceContext实现跨语言链路追踪

知识库挂载 RAGFlow + Milvus

KB 反洗钱案例库语义0.4+关键词0.3+结构0.2+KG0.1 RAGFlow

KB 监管规则库语义0.6+关键词0.4 RAGFlow

MCP工具挂载 MCP 网关 + 安全网关

privileged query_customer_profile aml-investigate-server

standard kb-search knowledge-search-server

默认工具集自动注入

⏰ get_current_time🧮 calculator📄 file_reader💻 code_sandbox 自托管沙箱🔍 kb_search📝 format_output📊 chart_generator

默认工具说明: get_current_time(时间) · calculator(计算) · file_reader(读取上传文件) · code_sandbox(自托管沙箱执行,deny-all egress) · kb_search(关联已挂载KB) · format_output(格式化) · chart_generator(图表)
自动注入，无需手动挂载。

Workflow型 — 运维故障定位 DAG

LLM

意图识别

Qwen3-7B

Condition

故障分类

Tool

日志检索

LLM

根因分析

DeepSeek-R1

HITL L3

人工确认

LLM

处置建议

Graph骨架: 静态编译(节点类型/边代码定义) + 节点配置: 动态加载(Postgres skill_node_config表) · LangGraph StateGraph · checkpointer存PG · interrupt_before实现HITL暂停

Supervisor型 — 反洗钱调查多Agent编排

Supervisor Agent (Python)
任务分解→委派→汇聚→判断

Worker A: 客户画像
Python · 本地调用

Worker B: 模式检测
Go · A2A桥接

Worker C: 风险评估
Java · A2A桥接

Agent-as-Tool: Worker通过A2ARemoteAgentTool暴露为Supervisor可调用工具 · 信任衰减:最多3跳，超过自动阻断

所有智能体自动获得的7个基础工具

工具	功能	安全级别	执行环境	说明	来源
get_current_time	获取当前时间	standard	本地函数	ISO8601时间戳	内置
calculator	数学计算	standard	本地函数	基础运算、百分比、日期计算	内置
file_reader	文件读取	restricted	沙箱自托管沙箱	CSV/PDF/Excel/图片，脱敏后返回
code_sandbox	代码执行	restricted	沙箱自托管沙箱	Python/Shell,deny-all egress
kb_search	知识库检索	standard	RAGFlowRAGFlow	自动检索已挂载KB,4通道+重排+Guard
format_output	格式化输出	standard	本地函数	表格/列表/Markdown	内置
chart_generator	图表生成	standard	沙箱自托管沙箱	ECharts/Matplotlib图表

注入机制: 默认工具通过SkillDefinition.required_tools自动注入，Agent Runtime启动时从MCPHub获取endpoint
kb_search: 自动关联已挂载KB，Guard三层校验后才注入上下文

运维故障定位 · 配置详情

ID

ops-fault-diagnosis

类型

Workflow LangGraph

运行时

classic→native_graph 运行时抽象层

Guard 三层治理三层治理

层	规则	执行	触发
Constitution	deny-all egress	hard 阻断	所有沙箱出站
Constitution	特权操作必须HITL	hard 阻断	写入/删除类工具
Guidance	运营域不可访问对公域数据	hard 阻断	跨域工具调用
Guidance	confidential数据需审计	soft 告警	访问机密级数据
Context	相关性>0.7才注入	soft 过滤	知识检索结果
Context	PII检测后脱敏	hard 阻断	所有外部数据

知识库列表

创建知识库

文档摄入

FAQ 管理

版本 & 时效

知识库	类型	业务域	数据分级	文档数	chunk数	支持格式	召回率	版本	状态
反洗钱案例库	案例库	风控	D3 受限	324	1,240	PDF,Word,Excel	85%	v3.2	active
监管规则库	制度库	风控	D3 受限	156	856	PDF,Word	82%	v2.1	active
运维知识库	技术文档	运营	D2 内部	210	980	PDF,Wiki,Markdown	78%	v1.5	active
客服FAQ库	FAQ	零售	D2 内部	—	2,400	FAQ对,Excel	92%	v4.0	active
产品手册库	多模态	零售	D1 公开	45	320	PDF,图片,表格	76%	v1.0	building

支持格式: PDF(含扫描件OCR) · Word · Excel · CSV · 图片(OCR+描述) · 企业Wiki(iWiki对接) · Markdown · HTML · 数据库(结构化导入) · 多模态(图文混合,DeepDoc版面分析)

名称 *

业务域 *

类型 * 决定检索策略、摄入配置和专属功能

📜 制度规范

📋 案例库

📖 技术文档

❓ FAQ

🖼️ 多模态

📜 制度规范型专属配置

版本管控模式

法规类必须用生效日期管控，检索只返回 active 且 effective_date ≤ today 的chunk

变更同步

法规版本对比

kb_version_diff 自动对比新旧版本差异(新增/修改/废止条款)

强制数据分级

制度规范库通常为D3及以上级别

WORM审计

强制启用每次检索记录 SHA-256不可篡改

制度规范检索权重: 语义0.2 + 关键词0.4 + 结构化0.3 + KG0.1 — 法规名称和条款编号是关键检索信号

📋 案例库型专属配置

标注体系 *

标注维度	标签集	用途
风险等级	高危中危低危	相似案例风险预估
行业类型	房地产/制造业/贸易/金融	行业特征匹配
处置结果	处罚/警示/合规/正常	处置方案推荐
案例来源	行内/监管/法院/行业	可信度权重

相似度检索配置

语义

0.40

关键词

0.25

结构化

0.15

KG

0.20

KG权重较高：利用实体关联图谱做相似案例扩展

专家标注流程

新案例摄入→DeepDoc分块→AI预标注(Qwen3-72B)→专家复核→入库

案例脱敏

案例库优势: 标签多维检索 · KG关联扩展 · 相似度排序 · 专家标注 · 自动脱敏

📖 技术文档型专属配置

API文档解析

DeepDoc 自动识别API端点/参数/返回值 · Swagger/OpenAPI解析 · 代码块提取

检索权重

语义

0.35

关键词

0.35

结构化

0.25

KG

0.05

技术术语和API名是关键检索信号，关键词权重较高

代码块保留

Wiki对接 iWiki

技术文档优势: API端点自动解析 · 代码块保留 · Wiki同步 · 术语精确匹配

❓ FAQ型专属配置

FAQ来源

✍️

人工编写

最准确 · 命中率高

🤖

AI生成

Qwen3-72B从文档提取 · 人工抽检10%

Qwen3-72B

📊

Excel导入

批量导入Q&A对

FAQ检索模式

用户Query → 问题向量化匹配 → Cross-Encoder精排 → 直接返回答案

不需要LLM生成，延迟 <50ms · 准确率92%+ · 适合高频重复问题

bge-large-zh 问题向量化 → bge-reranker Cross-Encoder精排 → 直接答案

检索权重

语义0.60 + 关键词0.30 + 结构化0.10 + KG0.00 — FAQ以语义匹配为核心

命中阈值

低于此阈值则转交LLM生成回答

FAQ优势: 直接答案不需LLM · 延迟<50ms · 高命中率 · 三种来源 · AI批量生成+人工抽检

🖼️ 多模态型专属配置

OCR与版面分析 *

DeepDoc OCR(扫描件识别) · 版面分析(标题/表格/图片定位) · 表格提取(结构化保留) · 图文混合处理

跨模态检索

图文混合检索模式

文字Query → 匹配文字chunk + 图片描述 → 返回图文混合结果

图片Query → 图片向量化 → 匹配相似图片+关联文字 → 返回图文混合结果

bge-visualized 多模态Embedding · 图片自动生成描述文字 · 表格提取为结构化数据

检索权重

语义

0.30

关键词

0.20

结构化

0.30

KG

0.20

结构化权重高：表格和版面信息是关键检索信号

图片描述生成 Qwen3-VL

表格提取

多模态优势: OCR扫描件 · 版面分析 · 图文混合检索 · 表格结构化 · 跨模态Embedding

数据分级

EmbeddingvLLM

重排序RAGFlow

向量库

Milvus(平台统一集群)Milvus

支持格式

☑ PDF(含OCR)☑ Word☑ Excel☑ 图片(OCR+描述)☑ Wiki☑ Markdown☐ 数据库导入☐ 音频(转录)

DeepDoc: OCR(扫描件)·版面分析(标题/表格/图片定位)·表格提取(结构化保留)·图文混合处理

上传

→

DeepDoc

→

分块

→

标注

→

向量化

→

入库

→

校验

📂

拖拽文件上传

PDF · Word · Excel · 图片 · Markdown · CSV · Wiki

生效日期

失效日期

数据分级

摄入: 文件→MinIO→RAGFlow DeepDoc(OCR/版面/表格)→语义分块→元数据(密级/域/版本)→bge-large-zh向量化→Milvus入库+ES全文索引→质量抽样

问题	答案	来源	命中	准确率
信用卡年费怎么减免?	消费满6次免次年年费...	人工	1,247	96%
贷款利率是多少?	根据LPR浮动...	AI生成	832	88%
如何开通手机银行?	下载APP→注册→绑定...	人工	2,100	94%

FAQ三种来源: 1.业务专家手动编写(最准) · 2.AI从文档自动生成(Qwen3-72B,人工抽检10%) · 3.Excel批量导入
FAQ检索: 问题向量化→用户query语义匹配→Cross-Encoder精排→直接返回答案(不需LLM,延迟<50ms)

监管规则库 · 版本时间线

2026-07-01 生效

v2.1 — 更新反洗钱监管指引(央行第3号)

新增12条·修改8条·废止3条·856 chunksRAGFlow+Milvus

2026-04-01

v2.0 — 修订数据安全管理办法

2026-01-15

v1.0 — 初始版本(已全部deprecated)

版本控制: chunk带version+effective_date+status(active/deprecated)·检索默认只返回active且effective_date≤today
变更同步: 行内文档管理更新→自动触发摄入→T+1入库·监管文件外网爬取→安全评审→脱敏导入→T+3入库
版本对比: kb_version_diff工具自动对比差异

今日总任务

1,283

↑ 12%

avg工具调用轮数

3.2

↓ 0.4

知识检索命中率

87.3%

↑ 2.1%

平均端到端延迟

8.7s

↓ 1.2s

智能体调用详情

日调用	成功率	avg工具轮数	avg检索命中	avg Token	avg延迟	人工介入
423	96.2%	4.1	82%	12,500	8.3s	12%
2,100	93.6%	2.3	92%	5,200	4.7s	18%
187	91.5%	5.8	78%	28,000	15.7s	28%
361	93.6%	3.2	—	8,700	6.4s	18%

五类Span: intent(意图置信度) · llm_call(模型/token/延迟) · tool_call(工具名/参数hash/延迟) · decision(路径选择/备选/置信度) · state_change(状态/checkpoint/记忆层)
跨语言Trace: OTel(Python/Go/Java)→OTel Collector→LangFuse(全量)→Phoenix(采样评估)

Trace链路 — #task-20260710-0847

0ms

intent 意图识别:网络故障·置信度0.92

Qwen3-7B·ScopeGuard:运营域✓Span: intent

180ms

tool_call :错误日志

23条记录·1.2s·MCP安全网关Span: tool_call

1.5s

llm_call 根因分析

4,200in·850out·CoT12步Span: llm_call

4.8s

decision 配置变更(0.85)·网络抖动(0.3)

Span: decision

5.0s

hitl L3审批:人工确认根因

审批人:运维组李工

告警规则配置 Prometheus → Kafka → Agent触发

规则名	监控指标	阈值	持续时间	通知渠道	触发动作	状态
P99延迟飙升	P99延迟	>3s	持续5min	飞书+短信	触发运维故障定位Agent	生效
成功率下降	成功率	<90%	持续10min	飞书	熔断+切Fallback模型	生效
Token预算超80%	域Token消耗/域预算	>80%	实时	飞书+邮件	告警+限流降级	生效
可疑交易标记	AML-Agent风险评分	>70分	即时	飞书+短信	触发HITL L3审批	生效
三层治理 Constitution拦截	三层治理拦截次数	>0(任何拦截)	即时	飞书+安全中心	记录审计+通知安全官	生效

告警链路: Prometheus指标采集 → 告警规则匹配 → Kafka事件发布 → 通知渠道(飞书/短信/邮件) → 触发动作(Agent启动/熔断降级/审批触发) · 事件驱动: 告警→事件→调度中心→Agent自动启动

评测数据集

BadCase

回归测试

发布门禁

Golden Set

30

核心任务·人工精标

Regression Set

50

线上失败脱敏

Edge Case

20

LLM辅助+人工筛选

Adversarial

20

Red Team攻击样本

ID	场景	输入	预期	评分	难度
G01	故障定位	Redis集群告警...	根因=配置变更,处置=回滚	rubric	★★★
G02	信贷审批	企业贷款申请...	风险等级=中,建议额度...	rubric	★★★★
G03	FAQ	信用卡年费怎么减免?	消费满6次免次年年费	exact_match	★

4种评分器: exact_match(精确匹配) · rubric(评分标准+LLM-as-Judge) · code_test(代码执行验证) · human(人工评估)
Phoenix角色: 从LangFuse导入采样数据做RAG检索质量分析、LLM输出质量、幻觉检测、实验对比

ID	错误类型	描述	根因归因	修复
BC-042	工具选择错误	根因分析应调用log-search但选了db-query	1.LLM置信度仅0.65(低) 2.log-search描述不清 3.Guard未拦截	修复中
BC-038	幻觉	声称"信用卡免年费"但政策已变更	1.FAQ库v3.8未更新 2.检索命中旧版本(deprecated未过滤)	已修复
BC-015	越权	访问了对公域客户数据	1.权限Guard遗漏 2.ACL规则未覆盖跨域	已修复

自动检测

→

Trace回放

→

5类Span分析

→

根因归因

→

修复验证

→

加入Regression Set

自动回归触发配置 KB/Agent更新自动触发

触发事件	触发范围	回归集	门禁级别	阻断条件	状态
KB版本更新	关联此KB的所有Agent	Golden Set	L1 功能回归	通过率<90%阻断发布	生效
Agent配置变更	变更的Agent	Golden + Regression	L2 质量+安全	BadCase率>5%阻断	生效
MCP权限变更	使用此MCP的Agent	Golden Set	L1 功能回归	核心场景失败阻断	生效
模型路由切换	使用此模型的Agent	Golden + Regression	L2 质量+安全	成功率降幅>3%阻断	生效

回归测试流程: 1.线上BadCase自动检测(规则+LLM-Judge采样5%) 2.LangFuse Trace回放定位失败Span 3.五类Span逐层分析(intent→tool_call→llm_call→decision→state) 4.根因归因到具体组件 5.修复后重跑Golden Set验证 6.脱敏后加入Regression Set防止回退 · 自动触发: KB/Agent/MCP/模型变更时自动触发关联Agent的回归测试

三级发布门禁

门禁级别	通过标准	执行频率	阻断条件
L1 功能回归	Golden Set通过率≥90%	每次发布前	核心场景失败→阻断发布
L2 质量+安全	Golden≥95% + Regression≥90% + 安全对抗0失败	每周+发布前	BadCase率>5%→阻断
L3 人工评审	业务专家评审10%样本	每月	评审不合格→阻断

多租户业务域隔离

零售域
2,100任务/日
资源配额:30%GPU
Milvus collection:retail_物理隔离

对公域
187任务/日
资源配额:25%GPU
Milvus collection:corp_物理隔离

风控域
312任务/日
资源配额:35%GPU
Milvus collection:risk_物理隔离

运营域
423任务/日
资源配额:10%GPU
Milvus collection:ops_物理隔离

双层隔离: 物理层(Milvus collection分域+PG schema分域+MinIO bucket分域) + 逻辑层(Scope Guard+权限Guard+输出Guard三层校验)
跨域协作: 通过"数据服务API"走正式跨域数据共享流程，有审批有审计

WORM审计日志

时间	操作者	操作	结果	Guard层	完整性hash
10:32	信贷审批Agent	query_customer_profile	阻断	Constitution	sha256:a3f2...
09:15	运维故障Agent	log-search调用	通过	—	sha256:b7c1...
08:47	智能客服Agent	kb-search检索	通过	Context	sha256:d4e5...

WORM: 一次性写入+不可删除+不可篡改 · SHA-256完整性hash · 7年保留 · 5%月度合规审查 · Decision Provenance Graph溯源图

分布式部署拓扑

编排层 (K8s)

3× Platform Runtime Pod
3× 经典运行时 Pod (Phase1-2)
3× LangGraphNative Pod (Phase3+)
6× Redis Cluster
PG HA主从
Kafka 3 Broker

推理层 (GPU)

2×A100 80GB
Qwen3-72B FP8 + DeepSeek-R1-14B INT4
+ bge-large + bge-reranker
vLLM统一推理vLLM PagedAttention

沙箱层 (裸金属)

2-3× 自托管沙箱 Host
PVM模式·单节点1000+密度
热池50-100预启动
eBPF deny-all egress自托管沙箱

特性开关 Feature Flags

特性	全局状态	灰度范围	依赖条件
多Agent编排(A2A)	已上线	100%	Agent Center + MCP 网关
DeepSeek-R1推理模式	灰度	5%	模型路由中心
KG检索通道	开发中	0%	RAGFlow + Neo4j
自动回归测试	已上线	80%	评测中心
PII自动脱敏	已上线	100%	安全合规中心

数据主权与隐私 GDPR + 个人信息保护法

数据驻留策略: 所有数据存储在中国境内机房 · 无跨境传输 · PG/Milvus/MinIO均部署在本地机房

加密密钥管理: AES-256加密存储 · 密钥由Vault(KMS)管理 · 90天自动轮换 · D4级数据双密钥加密

数据留存策略: 审计日志7年(银保监要求) · KB文档按域策略留存 · 用户请求记录3年 · 过期自动清理+合规确认

跨境限制: GPT-4o/Claude等境外模型: 仅处理D1公开数据 · D2以上数据禁止跨境 · 境外模型结果不存储原文

定时任务列表

❄ Cold Pool

5

空闲 · 随时可用

🟡 Warm Pool

3

执行中

🟢 Hot Pool

2

热缓存复用

📊 Dispatcher 队列

8

正常 · HPA 水位 40%

任务名	Cron表达式	触发条件	重试策略	最近执行	状态
每日风险报告生成	0 8 * * *	定时	3次重试·间隔5min	2026-07-10 08:00 ✓	active
每周知识库更新检查	0 9 * * 1	定时	2次重试	2026-07-07 09:00 ✓	active
每月监管报送	0 10 1 * *	定时+HITL L4	人工审批后重试	2026-06-01 10:00 ✓	active
告警触发故障定位	—	Prometheus告警→事件	3次·间隔10min	2026-07-10 09:32 ✓	event

新建定时任务

任务名称 *

关联智能体 *

触发方式 *

Cron定时

事件触发

Cron表达式 *

秒分时日月星期 · 例: 每天8点="0 8 * * *" · 每周一9点="0 9 * * 1"

重试策略

任务输入参数

触发机制: Cron定时(秒级精度) · 事件触发(Prometheus告警→Kafka→Agent启动) · 两者可组合
幂等保护: 每次执行带idempotency_key，防止重复触发 · 超时自动终止 · 失败进死信队列

场景目录

场景详情

一键部署

创建模板

场景模板数

12

本月新增 3 个

已部署场景

8

覆盖 5 个业务域

场景成功率

94.2%

↑ 2.1%

平均部署耗时

3.5min

↓ 1.2min

预置场景模板

场景名称	业务域	组件组合	复杂度	部署次数	SLA	状态
反洗钱调查助手	风控	AML-Agent + 反洗钱KB + aml-investigate MCP + 合规审查Skill	复杂	4	99.5%	已上线
智能客服	零售	CS-Agent + 客服FAQ KB + email-sender MCP + 话术推荐Skill	中等	6	99.2%	已上线
供应链预警	供应链	Supply-Agent + supply-chain-tracker MCP + 风险评估Skill + 运维KB	中等	2	99.0%	灰度
投研分析助手	金融投研	Invest-Agent + realtime-stock MCP + 投研KB + 数据分析Skill + chart_generator	复杂	3	98.8%	已上线
运维巡检助手	运营	Ops-Agent + 运维KB + Prometheus告警事件 + 诊断Skill	简单	5	99.8%	已上线
监管报送	合规	Report-Agent + 监管规则KB + 文件生成Skill + HITL审批	中等	1	100%	测试中
信贷审批辅助	对公	Credit-Agent + 信贷KB + credit-evaluate MCP + 审批流Skill + HITL L4	复杂	2	91.5%	已上线

场景组合: 每个场景 = 1个Agent + N个KB + N个MCP + N个Skill + 可选HITL · 部署时自动校验组件依赖和权限 · 一键部署: 按模板创建所有组件实例+配置关联+自动上线

反洗钱调查助手

AML交易调查全流程 · Supervisor多Agent协作 · 合规审查闭环

SLA

99.5%

部署数

4

业务域

风控

复杂度

复杂

🤖 组件拓扑 · 反洗钱调查Supervisor模式 · 4组件

AML调查协作拓扑图

🤖 AML-Agent
Supervisor · LangGraph+ADK

委派3个Worker协作

📚 反洗钱案例库
RAGFlow · 语义+KG · 5,200条案例

📚 监管规则库
RAGFlow · 关键词0.4 · 380条法规

🧩 合规审查Skill
三层治理 Guard · D3级 · 28条规则

🔌 aml-investigate MCP
query_customer_profile · 3个API

🔍 AML调查流程 · Supervisor多Worker协作

可疑交易触发
实时监控

→

AML-Agent
Supervisor调度

→

Worker:客户画像
MCP查询

+

Worker:案例比对
KB检索

+

Worker:合规审查
Skill判定

→

HITL L3
合规官审批

→

调查结论
上报/结案

可疑交易评分>70 → 自动触发AML-Agent · 多Worker并行调查 · 合规审查Skill实时拦截 · L3合规官终审

📊 运营指标 · 反洗钱调查

日均触发量

48

↑ 8条/月

调查完成率

96.2%

↑ 1.5%

合规拦截率

23.1%

三层治理规则生效

平均调查耗时

18min

↓ 人工1.5h

数据分级: D3 内部受限 · 审批层级: HITL L3合规官 · 月均调用: 1,240次 · 模型路由: Qwen3-72B(主) → DeepSeek-V3(备)

依赖校验: MCP ACL→KB D3级匹配→Skill 三层治理规则→Agent配置完整性 · 合规审查Skill为强制挂载项 · 不可移除

🤖 组件拓扑 · 智能客服ReAct模式 · 4组件

智能客服交互拓扑图

🤖 CS-Agent
General · ReAct循环

自主决策·多轮对话

📚 客服FAQ KB
Cross-Encoder · 命中0.85 · 12,600条

🧩 话术推荐Skill
Workflow · 情绪识别+话术库

🔌 email-sender MCP
send_notification · 2个API

💬 客服对话流程 · 情绪识别+话术推荐

客户提问
多渠道入口

→

CS-Agent
ReAct推理

→

FAQ检索
KB命中率85%

→

话术推荐
情绪适配

→

回复客户
满意度追踪

|

复杂问题
转人工

情绪识别判定愤怒/焦虑 → 自动升级话术安抚 · FAQ命中<60% → 转人工客服 · 满意度<3分 → 触发投诉预警

📊 运营指标 · 智能客服

日均对话量

412

↑ 18%

FAQ命中率

85.3%

↑ 3.2%

客户满意度

4.2/5

↑ 0.3

转人工率

12.8%

↓ 4.5%

数据分级: D2 内部 · 审批层级: HITL L1功能验证 · 月均调用: 12,360次 · 模型路由: DeepSeek-V3(主) → Qwen3-8B(兜底)

特色: 情绪识别自动适配话术 · Cross-Encoder双塔检索 · 满意度反馈回流至FAQ KB · 低成本模型优先(DeepSeek-V3)

🤖 组件拓扑 · 供应链预警Supervisor模式 · 4组件 · 灰度中

供应链风险预警拓扑图

🤖 Supply-Agent
Supervisor · 多源融合

实时追踪+风险判定

🔌 supply-chain-tracker MCP
track_shipment · get_supplier · 5个API

🧩 风险评估Skill
Workflow · 6维评分模型

📚 运维KB
事件库 · 800+历史案例

⚠️ 供应链预警流程 · 多源数据融合

多源数据接入
物流/库存/供应商

→

MCP追踪
实时数据

→

Supply-Agent
Supervisor调度

→

风险6维评分
供应/物流/质量…

→

高风险预警
自动通知

→

处置建议
替代供应商

6维评分(供应稳定性/物流时效/质量合规/财务健康/地缘风险/替代方案) · 总分>80 → 高风险预警 · 灰度验证中

📊 运营指标 · 供应链预警

日均追踪量

32

↑ 5条/月

预警准确率

94.1%

↑ 1.8%

平均响应时间

4.2min

↓ 2.1min

灰度流量占比

20%

下周→50%

数据分级: D2 内部 · 审批层级: HITL L2质量确认 · 灰度策略: 5%→20%→50%→100% · 模型路由: Qwen3-72B(主)

灰度状态: 当前20%流量 · 预警验证4周 · 下周扩至50% · 全量前需L2质量确认 · 6维评分模型基于800+历史案例训练

🤖 组件拓扑 · 投研分析Supervisor模式 · 5组件

投研分析协作拓扑图

🤖 Invest-Agent
Supervisor · 数据+推理

数据采集→分析→报告

🔌 realtime-stock MCP
get_quote · get_financials · 6个API

📚 投研KB
研报+财报 · 3,200+文档

🧩 数据分析Skill
Workflow · 统计+趋势+对比

🧩 chart_generator
生成K线/饼图/趋势图

📈 投研分析流程 · 数据采集→推理→报告生成

投研提问
分析师输入

→

实时行情采集
MCP获取

→

Invest-Agent
Supervisor推理

→

数据分析
Skill统计

+

图表生成
可视化

→

研究报告
结构化输出

行情数据实时刷新 · 多模型路由(Qwen3-72B推理+DeepSeek-V3总结) · 图表自动嵌入报告 · SLA 98.8%⚠️需关注

📊 运营指标 · 投研分析

日均调用量

523

↑ 22%

报告生成率

96.8%

↑ 2.1%

平均推理耗时

28s

复杂推理

SLA达标率

98.8%

⚠️ 低于99%阈值

数据分级: 内部部署 · 审批层级: HITL L2质量确认 · 月均调用: 15,690次 · 模型路由: Qwen3-72B(推理) → DeepSeek-V3(总结)

SLA预警: 98.8%低于99%目标 · 原因: realtime-stock MCP延迟波动 · 建议升级MCP至L2+增加超时fallback · chart_generator为可选组件

🤖 组件拓扑 · 运维巡检General模式 · 4组件 · 简单

运维巡检单Agent拓扑图

🤖 Ops-Agent
General · ReAct循环

自主巡检·诊断闭环

📚 运维KB
事件库 · 1,200+历史故障

🔌 Prometheus MCP
get_alerts · query_metrics · 4个API

🧩 诊断Skill
Workflow · 故障定位+修复建议

🔧 运维巡检流程 · 告警→诊断→处置

Prometheus告警
实时接入

→

Ops-Agent
ReAct自主决策

→

KB检索
历史案例

→

诊断定位
根因分析

→

处置建议
修复+预防

无HITL审批 · 全自动巡检闭环 · 告警→诊断平均耗时3min · 99.8% SLA最高 · 低成本模型优先(Qwen3-8B兜底)

📊 运营指标 · 运维巡检

日均巡检量

120

↑ 15次/月

诊断准确率

99.6%

↑ 0.8%

平均修复耗时

3.2min

↓ 人工45min

SLA达标率

99.8%

平台最高

数据分级: D1 公开 · 审批层级: 无HITL · 全自动 · 月均调用: 3,600次 · 模型路由: DeepSeek-V3(主) → Qwen3-8B(兜底) · 成本最低

最简场景: 无HITL · 全自动闭环 · D1公开级数据 · 低成本模型优先 · 适合运维标准化场景 · 1,200+故障KB持续积累

🤖 组件拓扑 · 监管报送Workflow模式 · 4组件 · 测试中

监管报送DAG流程拓扑图

🤖 Report-Agent
Workflow · DAG编排

5步DAG流水线

📚 监管规则KB
法规+WORM · 1,500+规则

🧩 文件生成Skill
Workflow · PDF/Excel模板

📋 HITL审批
L4双人复核·合规+业务

📝 监管报送DAG · 5步流水线+HITL审批

报送任务触发
定时/事件驱动

→

数据采集
规则KB匹配

→

Report-Agent
DAG编排

→

文件生成
PDF/Excel模板

→

HITL L4
合规+业务双人

→

报送提交
监管平台

DAG 5步流水线: 数据采集→规则校验→内容填充→格式生成→审批提交 · WORM审计日志 · L4双人不可绕过

📊 运营指标 · 监管报送

日均报送量

1

测试中

格式校验率

100%

规则KB全覆盖

审批通过率

100%

L4双人复核

当前状态

测试中

2周后灰度

数据分级: D3 受限 · 审批层级: HITL L4合规+业务双人 · WORM审计: 全流程不可篡改 · 模型路由: Qwen3-72B(内容) → DeepSeek-V3(校验)

测试中: 2周后灰度发布 · WORM审计全程记录 · 监管规则KB每周同步更新 · L4审批双人(合规官+业务经理)不可绕过 · 文件格式自动校验

🤖 组件拓扑 · 信贷审批Supervisor模式 · 5组件 · HITL L4

信贷审批协作拓扑图

🤖 Credit-Agent
Supervisor · 风控+审批

评估→审批→决策

🔌 credit-evaluate MCP
evaluate_risk · get_credit_score · 4个API

📚 信贷KB
政策+案例 · D3级 · 2,800条

🧩 审批流Skill
Workflow · 阈值决策+路由

📋 HITL L4审批
双人复核·信贷经理+风险经理

🏗️ 信贷审批流程 · 阈值决策+HITL L4双人复核

贷款申请
客户提交

→

credit-evaluate
MCP风险评估

→

Credit-Agent
Supervisor调度

→

审批流Skill
阈值判定

→

HITL L4
>500万双人复核

→

审批结果
通过/驳回

额度>500万 → HITL L4双人复核(信贷经理+风险经理) · <500万 → HITL L2确认型 · AI风险评分>70 → 额外合规审查 · 91.5% SLA偏低需关注

📊 运营指标 · 信贷审批

日均审批量

8

↑ 2件/月

审批完成率

91.5%

⚠️ 低于94%均值

平均审批耗时

2.8h

↓ 人工4.5h

L4复核占比

35%

大额占比高

数据分级: D3 受限 · 审批层级: HITL L4双人(>500万) · SLA问题: 91.5%偏低 · L4复核流程耗时占比高 · 模型路由: Qwen3-72B(主)

SLA偏低: 91.5%低于94%均值 · 原因: L4双人复核流程慢+MCP评估接口不稳定 · 建议: MCP超时fallback+L4审批并行化 · 阈值决策: 500万为L4触发点

一键部署 — 反洗钱调查助手

部署目标域 *

部署名称 *

自动部署清单依赖自动校验

✓ AML-Agent — Supervisor模式 · LangGraph+ADK A2A · 已校验配置

✓ 反洗钱案例库 — RAGFlow · 语义0.4+KG0.1 · 数据分级D3 ✓

✓ aml-investigate MCP — 已通过ACL授权 · L2级安全 ✓

✓ 合规审查Skill — 三层治理 Guard D3级规则 ✓

✓ HITL审批流 — L3合规官审批链 ✓

⟳ 灰度策略 — 先5%流量 → 观察24h → 20% → 100%

创建场景模板

场景名称 *

业务域 *

场景描述

智能体选择 Agent Center

Agent AML-Agent Supervisor · LangGraph ✕

知识库挂载

KB 反洗钱案例库 D3级 ✕

MCP/Skill挂载

MCP aml-investigate-server query_customer_profile ✕

Skill 合规审查Skill 三层治理 D3级 ✕

SLA目标

审批层级

模板校验: 创建时自动校验: 所有组件是否存在→数据分级是否匹配→ACL权限是否满足→SLA是否可达 · 不满足则标红提示

模型目录

路由策略

Token预算

性能监控

接入模型数

6

本月新增 Qwen3-72B

总调用次数

28.4万

↑ 12%

平均延迟

1.2s

↓ 0.3s

总Token消耗

4.8亿

↑ 8%

模型目录

模型	提供商	参数量	上下文窗口	单价(输入/输出)	数据分级	适用场景	状态
DeepSeek-V3	DeepSeek	685B MoE	128K	¥0.5/¥2/Mtoken	D2 内部	客服·运维·通用	在线
Qwen3-72B	云厂商	72B	128K	¥2/¥6/Mtoken	内部部署	投研·风控·复杂推理	在线
GPT-4o	OpenAI	—	128K	$5/$15/Mtoken	D3 受限	多模态·高级推理	在线
Qwen3-8B	本地部署	8B	32K	免费(自有GPU)	D1 公开	简单问答·路由兜底	在线
DeepSeek-R1	DeepSeek	685B	128K	¥1/¥4/Mtoken	D2 内部	数学推理·代码生成	灰度
Claude-3.5	Anthropic	—	200K	$3/$15/Mtoken	D3 受限	长文分析·合规审查	待审批

模型接入: LiteLLM统一代理 · OpenAI兼容接口 · 自动负载均衡 · 模型健康探针每30s · 数据分级: D3级数据只允许本地/受控模型处理，禁止跨境传输

路由策略配置

业务域	主模型	Fallback链	路由条件	熔断阈值
风控	Qwen3-72B	Qwen3-72B → DeepSeek-V3 → Qwen3-8B	数据分级≥D2 · 含推理	P99>3s 或成功率<95%
智能客服	DeepSeek-V3	DeepSeek-V3 → Qwen3-8B	数据分级≤D2 · 简单问答	P99>2s 或成功率<90%
金融投研	Qwen3-72B	Qwen3-72B → DeepSeek-R1 → GPT-4o	数据分级≥D2 · 含数学推理	P99>5s 或成功率<98%
运维巡检	Qwen3-8B	Qwen3-8B → DeepSeek-V3	数据分级≤D1 · 快速响应	P99>1s

Fallback链工作流 LiteLLM Router

Qwen3-72B
主模型

→

DeepSeek-V3
Fallback 1

→

Qwen3-8B
Fallback 2 · 兜底

→

熔断报错
全部失败

路由策略: 按业务域+数据分级+任务类型三维度路由 · LiteLLM统一代理层 · 熔断后自动切Fallback · 熔断恢复后5分钟逐步回切 · 延迟阈值: P99超标自动降级

Token预算分配按域·按月·按模型

业务域	月度预算	已消耗	消耗率	超额策略	主模型占比
金融投研	¥50万/月	¥39.2万	78%	降级到Qwen3-8B	Qwen3-72B 85%
智能客服	¥30万/月	¥21万	70%	限流30QPM	DeepSeek-V3 90%
风控	¥20万/月	¥14.8万	74%	降级+人工审批	Qwen3-72B 80%
运维	¥5万/月	¥2.1万	42%	不限(本地模型)	Qwen3-8B 95%

预算管控: 月度预算按域分配 · 消耗超80%告警 · 超100%自动降级到低成本模型 · 本地部署模型不计入Token预算 · 成本归属: 每次调用精确归属到Agent→域→租户

模型性能实时监控

模型	调用量(今日)	P50延迟	P99延迟	成功率	Token/调用	熔断状态
Qwen3-72B	1,240	0.8s	2.1s	97.8%	2,400	正常
DeepSeek-V3	8,420	0.6s	1.8s	94.2%	1,800	正常
GPT-4o	320	1.2s	4.2s	88.3%	3,200	观察中
Qwen3-8B	12,400	0.3s	0.8s	99.6%	600	正常

监控机制: 每30s健康探针 · P99延迟超标触发熔断 · 成功率低于阈值自动切Fallback · 告警联动: 熔断事件→Kafka→可观测性→调度中心(事件触发)

本月总成本

¥77.1万

↑ 8.2%

月度预算总额

¥105万

消耗率 73%

本地模型省成本

¥14.2万

Qwen3-8B免费

超额熔断次数

0

本月无熔断

按业务域成本分布

业务域	模型成本	存储成本	计算成本	总成本	预算	超额策略	趋势
金融投研	¥35.2万	¥2.4万	¥1.6万	¥39.2万	¥50万	降级Qwen3-8B	↑ 稳
智能客服	¥18.5万	¥1.2万	¥1.3万	¥21万	¥30万	限流30QPM	↑ 稳
风控	¥13.2万	¥0.8万	¥0.8万	¥14.8万	¥20万	降级+审批	↑ 快
运维	¥0(本地)	¥0.6万	¥1.5万	¥2.1万	¥5万	不限	↓ 降

按Agent成本TOP5

本月调用	平均Token/调用	模型成本	占比	优化建议
1,240	3,200	¥18.7万	24.3%	短问答切Qwen3-8B省¥12万/月
856	2,400	¥6.8万	8.8%	推理步骤可缓存减少重复调用
12,400	800	¥14.9万	19.4%	直接命中免LLM省¥8万/月
3,200	400	¥0(本地)	0%	已使用本地模型，无外部成本
420	1,600	¥4.2万	5.5%	监控类可用轻量模型

成本核算: 每次调用精确记录: Agent→域→租户→模型→Token数→金额 · 按月汇总 · 超额80%告警 → 100%熔断降级 · ROI追踪: 每个场景对比"人工成本 vs AI成本"计算节省率

内容安全

PII脱敏

审计日志

合规报告

今日拦截次数

23

↓ 15%

拦截率

0.12%

正常范围

三层治理规则数

86

本月新增4条

合规审计通过率

98.6%

↑ 0.3%

三层治理三层治理规则 Constitution · Guidance · Context

层级	规则名	作用域	触发动作	命中次数(今日)	状态
Constitution	禁止泄露客户身份信息	全局	阻断 + 告警安全中心	3	生效
Constitution	禁止输出未授权投资建议	全局	阻断 + HITL审批	1	生效
Guidance	风控域回答必须引用监管条文	风控域	重写 + 加引用标注	8	生效
Guidance	客服域回答必须带免责声明	客服域	追加免责声明	12	生效
Context	投研域回答限制在最近30天数据	投研域	截断 + 提示时效	5	生效

今日拦截详情

时间	触发规则	用户输入摘要	拦截动作	处理人
10:23	Constitution: 禁止泄露客户身份	"请告诉我张三的贷款金额"	阻断	系统自动
09:47	Guidance: 投资建议需合规审查	"推荐我买XX股票"	重写+审批	合规官张XX
08:15	Context: 免责声明追加	"这个利率是多少"	追加免责	系统自动

三层治理三层: Constitution(全局红线·不可违反) · Guidance(域级引导·可重写) · Context(场景级约束·可追加) · 拦截动作: 阻断/重写/追加/降级 · 所有拦截均记录到审计日志SHA-256不可篡改

PII自动检测与脱敏 Presidio + 正则+NER

PII检测规则配置

PII类型	检测方法	脱敏策略	适用数据分级	示例	状态
客户姓名	NER(Presidio) + 姓名库	替换为"客户XXX"	D2及以上	张三 → 客户A001	生效
身份证号	正则(18位) + 校验	保留前3后1，中间掩码	D3及以上	310**\\\\***1	生效
银行卡号	正则(16-19位)	全部掩码	D3及以上	\\\\\\\\\\\\\\\\	生效
手机号	正则(11位)	保留前3后4	D2及以上	138\\\\5678	生效
金额	NER + 金额模式	范围化(区间替代精确值)	D3及以上	¥5.2万 → ¥5-6万区间	生效

脱敏流程

用户输入

→

PII检测
Presidio+NER

→

脱敏替换
按分级策略

→

安全输入→LLM

PII脱敏: 输入侧全量检测 · 按数据分级选择脱敏强度 · D3级精确值→区间化 · 输出侧二次检测防泄露 · 审计: 每次脱敏操作记录原文(加密存储)+脱敏结果+操作时间SHA-256

审计日志检索 WORM · SHA-256 · 7年留存

时间范围

操作类型

Agent/用户

数据分级

审计记录

时间	操作	主体	对象	数据分级	结果	SHA-256	合规
2026-07-10 10:23:01	三层治理拦截	AML-Agent	客户身份查询	D3	阻断	a3f2...8b1c	✓
2026-07-10 09:47:15	LLM调用	投研分析	Qwen3-72B	D2	成功	7d1e...4a9f	✓
2026-07-10 08:15:22	PII脱敏	智能客服	手机号138****5678	D2	脱敏成功	e5b3...2c7d	✓

WORM审计: Write-Once-Read-Many · SHA-256不可篡改 · 7年留存(银保监要求) · 每月5%合规抽查 · 检索: 支持按时间/操作类型/Agent/数据分级多维检索 · 导出为加密PDF+CSV

合规报告生成

报告类型	周期	覆盖范围	生成时间	合规率	关键发现	状态
月度合规审查	2026年7月	全部Agent+全部场景	2026-07-01	98.6%	3次Constitution拦截均合规处理	已生成
PII脱敏审计	2026年7月	全部PII检测记录	2026-07-01	100%	所有D3级数据均已脱敏	已生成
季度安全评估	2026 Q2	安全事件+权限变更+数据跨境	2026-04-01	99.2%	无数据泄露事件 · 无跨境违规	已生成

合规报告: 月度合规审查(银保监要求) · 季度安全评估 · 年度数据主权报告 · 自动生成+合规官签批 · SHA-256签名防篡改 · 5%抽查: 每月随机抽取5%审计记录人工复核

角色与权限

团队管理

认证配置

API密钥

角色定义与RBAC矩阵 4类角色 · 数据分级绑定

角色	数据分级权限						用户数
平台管理员	D1-D4 全量	创建/编辑/删除/发布	注册/审核/授权	创建/管理/删除	配置/执行/审批	查看/导出/配置	3
业务开发	D1-D3(按域限制)	创建/编辑(本域)	申请使用	创建(本域)/查询	执行(本域)	查看(本域)	18
运维监控	D1-D2	查看/配置(非编辑)	查看状态	查看/更新数据	执行/查看结果	查看+告警	5
审计查看	D1(只读)	只读	只读	只读	只读	全量查看/导出	2

RBAC: 4类角色 × 6大功能模块 × 4级数据分级 · 角色和数据分级双重约束 · D3级操作必须双人审批 · D4级仅平台管理员可操作 · 最小权限原则: 默认无权限，按需申请

团队/租户管理

团队/租户	业务域	成员数	数据分级范围	月度预算	隔离策略
风控团队	风控	6	D1-D3	¥20万	Milvus collection风控_ · PG schema risk_ · MinIO bucket risk
零售银行	零售	12	D1-D2	¥30万	Milvus collection retail_ · PG schema retail_ · MinIO bucket retail
金融投研	金融投研	8	D1-D3	¥50万	Milvus collection invest_ · PG schema invest_ · MinIO bucket invest
运营中心	运营	4	D1-D2	¥5万	Milvus collection ops_ · PG schema ops_ · MinIO bucket ops

多租户隔离: 物理隔离(Milvus collection/PG schema/MinIO bucket) + 逻辑隔离(Guard权限) · 团队间数据不可互访 · 跨域协作需平台管理员审批 · 预算隔离: 每团队独立预算额度

认证配置 LDAP · OAuth2.0 · SAML

认证方式

LDAP(企业AD)

OAuth2.0

SAML 2.0

本地账号

LDAP配置

LDAP服务器

Base DN

绑定DN

用户搜索过滤

角色映射

AD组"Platform-Admins" → 平台管理员 · AD组"Domain-Dev" → 业务开发 · AD组"Domain-Ops" → 运维监控

同步频率

安全策略

密码策略

继承AD策略 · 8位以上 · 含大小写+数字 · 90天轮换 · 历史密码不可重复

会话超时

API密钥管理

密钥名	关联角色	关联团队	数据分级范围	创建时间	过期时间	调用次数(本月)	状态	操作
risk-api-key	业务开发	风控团队	D1-D3	2026-03-01	2026-09-01	1,240	active
ops-monitor-key	运维监控	运营中心	D1-D2	2026-05-01	2027-05-01	3,200	active

密钥管理: 每密钥绑定角色+团队+数据分级范围 · 密钥过期自动失效 · 90天轮换周期 · 撤销不可恢复 · 调用追踪: 每次API调用记录密钥ID→审计日志 · 异常调用(跨域/超频)自动告警

待审批 (3)

审批详情

已审批历史

审批规则配置

⚠ 待我审批

3

需要您的决策

今日已审批

5

↑ 通过4·驳回1

平均审批耗时

8.2min

↓ 2.1min

AI辅助采纳率

76%

↑ 5%

⚠ 待审批任务按紧急度排序 · 超时4h自动升级

紧急度	审批类型	审批人角色	触发事由	AI建议	等待时间	操作
紧急	HITL L3 · 合规审批	L1 Admin 张明远	风控	反洗钱调查完成 · 需合规官确认调查结论	建议通过 AI置信度0.92	1h 23min
一般	HITL L3 · 根因确认	L2 Team 李运维	运营	根因分析完成 · 等待运维工程师确认处置方案	建议通过 AI置信度0.85	3h 10min
一般	HITL L4 · 双人复核	L3 Worker 王合规 + 赵风控	合规	月度监管报送数据 · 需合规官+风险官双人复核	需人工判断	5h 42min

审批流程: HITL L1(通知型·自动通过) → L2(确认型·一键通过/驳回) → L3(审批型·需审批员决策) → L4(双人复核·需两人独立确认) → L5(委员会·多人投票)
超时机制: L3级4h未审批→升级到上级 → L4级24h→升级到合规总监

🔍 审批详情 — 反洗钱调查 #AML-20260710-003待您审批

审批类型

HITL L3 · 合规审批

触发Agent

业务域

风控 · D3级数据

等待时间

1h 23min

🤖 AI完整推理过程 LangGraph · Trace回放

0ms

intent 用户输入: "请调查客户ID=C0042近期交易行为"

200ms

tool_call query_customer_profile → 客户基本信息(已脱敏)

客户A001 · 近30天交易47笔 · 大额转账3笔

1.8s

tool_call analyze_transaction_chain → 交易链路分析

发现3笔跨行大额转账 · 金额区间¥5-6万 · 频率异常

4.5s

llm_call Qwen3-72B → 模式识别与风险评估

置信度0.92 · 判定: 可疑交易模式 · 风险评分78/100

5.0s

HITL L3 ⚠ 等待合规官审批 → 您在此处决策

🧠 AI调查结论与建议

AML-Agent 调查结论:

1. 客户A001近30天存在3笔跨行大额转账，金额分别为¥5.2万、¥5.8万、¥6.1万

2. 交易模式符合"分散转入、集中转出"的可疑特征

3. 风险评分78/100(AI置信度0.92)，建议标记为中高风险

4. 建议: 上报反洗钱监测中心 + 暂停该客户大额转账权限 + 启动深度调查

✓ AI建议: 通过调查结论 · 标记可疑 · 上报监管 · Guard审核: 所有数据已脱敏 · 无越权访问

📝 审批决策

审批意见 *

审批上下文: 审批员看到完整的AI推理过程(intent→tool_call→llm_call→decision→HITL暂停点) · 脱敏保证: PII已脱敏·Guard三层校验·WORM审计记录·SHA-256签名
审批后动作: 通过→自动执行后续步骤+审计记录 · 驳回→Agent重新分析+告警 · 补充→Agent补充后重新提交

已审批历史

时间	审批类型	Agent	业务域	AI建议	审批决策	审批意见	审批耗时	SHA-256
10:45	HITL L3	AML-Agent	风控	建议通过	✓ 通过	可疑交易特征确认，同意上报	8min	a3f2...8b1c
09:30	HITL L2	运维故障定位	运营	建议通过	✓ 确认	根因确认，同意回滚	2min	7d1e...4a9f
08:20	HITL L3	投研分析	金融投研	需判断	✕ 驳回	投资建议需合规审查后再发	15min	e5b3...2c7d
07:10	HITL L4	监管报送	合规	建议通过	✓ 双人复核通过	数据准确，同意报送	22min	f1a8...6d3e

HITL审批规则配置按场景·按数据分级·按风险等级

场景	数据分级	HITL级别	触发条件	审批人	超时策略	状态
反洗钱调查	D3	L3 审批型	调查结论生成后·风险评分>70	合规官	4h→升级合规总监	生效
信贷审批	D3	L4 双人复核	审批额度>500万	信贷经理+风险经理	24h→升级分管行长	生效
运维处置	D2	L2 确认型	处置方案生成后·影响>10用户	运维工程师	2h→自动通过+告警	生效
监管报送	D3	L4 双人复核	报送数据生成后	合规官+风险官	24h→升级合规总监	生效
投资建议	D2	L3 审批型	涉及具体投资标的推荐	合规官	4h→自动驳回	生效

HITL5级: L1通知型(自动通过+通知) · L2确认型(一键通过/驳回) · L3审批型(需审批员写意见) · L4双人复核(两人独立确认) · L5委员会型(3人以上投票) · 规则绑定: 场景+数据分级+风险等级三维度自动匹配HITL级别

飞轮总览

改善闭环

数据回流

自优化配置

6条数据回流路径每条箭头标注本周流转数据量，点击可跳转对应模块

46

本周改善闭环数

↑ 23% 较上周

87%

改善验证通过率

40/46 改善已验证生效

2.1天

平均改善周期

↓ 0.3天较上月

飞轮运转效果 (本月)

飞轮路径	触发源	改善目标	本月流转数	验证通过率	平均周期
Agent→观测→评测→KB	Agent调用Trace	知识补缺入库	18	89%	1.5天
Agent→观测→评测→Skill	成功率下降	Skill逻辑修复	5	80%	2.8天
Agent→观测→评测→模型	P99延迟超标	模型路由调整	3	100%	0.5天
评测→审批→策略	HITL驳回决策	Guard规则更新	7	86%	3天
Skill→Agent	Skill灰度完成	Agent配置自动更新	2	100%	1天
观测→成本→模型	成本超80%	模型降级/限流	4	75%	0.3天

改善闭环故事

每条改善故事展示完整的闭环路径：触发源 → 诊断 → 改善动作 → 效果验证

🔴 触发

BadCase #BC-237

AML-Agent 反洗钱调查案例匹配失败，返回"未找到相关案例"

2026-07-08 14:30

🟡 诊断

知识缺失

反洗钱案例库缺少"跨境分拆"类型案例，检索权重KG通道过低

🟢 改善

KB补充 + 权重调整

新增12条跨境分拆案例(KB v2.3) + KG权重0.1→0.2

🔵 验证

回归测试通过 ✅

AML案例召回率 72%→85%↑13%，BadCase #BC-237已修复

🔴 触发

告警 #AL-042

智能客服 Skill v1.8 成功率连续3天下降至88.2%

2026-07-06 09:00

🟡 诊断

Skill逻辑缺陷

多轮对话上下文丢失，FAQ缓存命中逻辑错误

🟢 改善

Skill v1.9 灰度发布

+多轮对话优化 · +FAQ缓存修复 · +免责声明自动追加

🟡 验证

灰度5% 观察中

灰度组成功率95.3% > 基线组88.2%，预计7天全量

🔴 触发

HITL驳回 #HITL-89

信贷审批Agent建议"通过"，审批员驳回——信用评分阈值过低

2026-07-07 16:20

🟡 诊断

Guard规则过松

信用评分阈值650过低，三层治理第2层拦截未触发

🟢 改善

阈值上调至680

三层治理第2层规则更新: 信用评分<680→自动触发HITL L4双人复核

🟢 验证

HITL驳回率下降 ✅

信贷HITL驳回率 15%→4%，拦截率↑5%

🔴 触发

成本超限 #COST-07

7月10日 Token成本¥7.7万，月预算80%已消耗

2026-07-10 08:00

🟡 诊断

模型选择过重

FAQ场景60%请求路由到Qwen3-72B，实际Qwen3-8B即可满足

🟢 改善

路由规则调整

FAQ场景→Qwen3-8B(免费)，复杂推理→Qwen3-72B(付费)

🔵 验证

成本下降 ✅

FAQ场景成本↓40%，整体月成本预测从¥93万→¥82万

6条数据回流路径详情

回流路径	数据类型	本周流转	本月累计	处理延迟	成功率	效果度量
评测 → 知识库	知识缺失案例 + 检索失败query	18条	67条	1.5天	89%	KB召回率 ↑13% (72%→85%)
评测 → Skill	逻辑缺陷 + 灰度指标异常	5条	19条	2.8天	80%	成功率 ↑2% (88%→95.3%)
评测 → 模型路由	延迟超标 + 模型不适配案例	3条	11条	0.5天	100%	成本 ↓12% · P99 ↓1.2s
审批 → Guard规则	人工纠正决策 + 风险评分修正	7条	28条	3天	86%	三层治理拦截率 ↑5%
Skill → Agent配置	Skill版本升级通知 + 配置变更	2条	8条	1天	100%	零中断升级
成本 → 模型降级	Token成本数据 + QPM限流事件	4条	15条	0.3天	75%	月成本 ↓8%

飞轮加速趋势 (近4周)

自动触发规则配置当阈值触发时，系统自动启动改善闭环

规则名称	触发条件	触发阈值	改善动作	验证方式	状态
BadCase→KB自补缺	评测BadCase标记为"知识缺失"	≥3条同类BadCase	自动生成KB补充任务 → 人工复核	自动回归测试 + 召回率对比	启用
成功率下降→Skill灰度暂停	Skill成功率连续3天下降	下降≥5% 或低于90%	暂停灰度发布 + 触发Skill诊断	灰度组vs基线组成功率对比	启用
P99延迟→模型路由调整	Agent P99延迟超过阈值	P99 > 3s 连续2小时	自动调整模型路由(降级到更快模型)	延迟指标恢复 + 成本影响评估	启用
成本超限→模型降级限流	月Token成本达到预算80%	月成本 ≥ 80%预算	FAQ/简单场景路由到免费模型 + QPM限流	成本趋势 + 服务质量SLA监控	启用
HITL驳回→Guard规则更新	HITL审批驳回率异常上升	驳回率 > 10% 或单场景>15%	触发Guard规则诊断 + 阈值调整建议	驳回率下降 + 拦截率提升	需审批
灰度完成→Agent自动更新	Skill灰度达到100%全量	灰度比例 = 100% 且指标达标	自动更新关联Agent的Skill版本配置	Agent成功率无下降(回滚保护)	启用

自优化安全边界: ① 所有自动改善动作均记录WORM SHA-256审计日志 ② Guard/安全规则修改必须经过安全团队审批(HITL L4) ③ 自动路由调整有回滚保护(72小时内成功率下降→自动回滚) ④ 成本限流有SLA保障(核心场景不受限流影响) ⑤ 飞轮运转数据每月向合规部报送

改善周期优化配置

KB补缺最大自动处理量

超过此数量需人工审批

Skill灰度观察期

灰度期间指标必须持续优于基线

模型路由回滚保护窗口

调整后72小时内成功率下降→自动回滚

自动回归触发时机EvalCenter

成本限流 SLA保障场景

☑ 反洗钱(不受限流)☑ 信贷审批(不受限流)☐ 智能客服(可限流)☐ FAQ问答(优先限流)

Prompt版本

A/B 测试

模板市场

效果追踪

反洗钱调查助手 · Prompt版本历史当前生产版本: v3

v3 生产 2024-01-15 发布

成功率 96.2% · 日均调用423次 · 平均3.2轮

System Prompt

你是反洗钱调查助手。根据客户画像和交易链路，完成可疑模式识别和风险评估。必须遵循：①所有数值引用需标注来源 ②风险评分需附3个以上证据点 ③金额类输出需二次校验 ④不确定结论标注[不确定]

变更摘要: + 数值二次校验指令 + 不确定结论强制标注 + 证据点最低3个要求

v2 灰度20% 2024-01-08 发布

成功率 93.8% · 灰度流量84次 · 幻觉率4.2%

System Prompt

你是反洗钱调查助手。根据客户画像和交易链路，完成可疑模式识别和风险评估。不确定结论需标注[不确定]。

变更摘要: + 不确定结论标注指令（相比v1唯一变更）

v1 归档 2023-12-20 发布

成功率 91.5% · 幻觉率7.8% · 已停用

System Prompt

你是反洗钱调查助手。根据客户画像和交易链路，完成可疑模式识别和风险评估。

版本效果对比

指标	v1 (归档)	v2 (灰度)	v3 (生产)	变更因果
成功率	91.5%	93.8%	96.2%	+不确定标注→减少盲目断言
幻觉率	7.8%	4.2%	1.6%	+数值校验指令→数值幻觉↓5.2%
平均轮次	4.1	3.8	3.2	+证据点要求→减少低质量调用
人工介入率	28%	22%	16%	结论更明确→HITL↓

Prompt版本管理原则: 每个版本必须记录变更摘要 → 发布前必须跑回归评测 → 灰度至少7天且效果优于当前生产 → 回滚一键切换

Prompt A/B 测试实验

同时运行两个Prompt版本，对比效果后决定是否全量切换。实验期间流量按比例分配。

实验 #12: 数值校验指令强化进行中 Day 3/7

A版本 (对照组) = v3 生产Prompt

流量分配: 80%

指标	值
成功率	96.2%
幻觉率	1.6%
数值偏差	0.3%
样本量	338次

B版本 (实验组) = v3 + 金融数值专校验

流量分配: 20%

指标	值	vs A
成功率	97.8%	↑1.6%
幻觉率	0.8%	↓0.8%
数值偏差	0.05%	↓0.25%
样本量	85次	—

B版本在数值偏差上显著优于A (p<0.05) · 建议全量切换

+ 创建新 A/B 实验

选择基准Prompt → 编辑实验Prompt → 设定流量比例(5%~50%) → 设定实验周期(3~14天)

Prompt 模板市场

模板名称	业务域	适用Agent类型	关键指令	引用次数	平均效果
金融数值校验Prompt	跨域	Supervisor / Autonomous	数值二次校验+偏差标注+来源引用	14	幻觉↓82%
反洗钱调查Prompt	风控	Supervisor	可疑模式识别+证据链+HITL决策	8	成功率96.2%
信贷风险评估Prompt	对公	Supervisor	风险评分+阈值路由+双人复核	6	成功率91.5%
不确定结论标注Prompt	跨域	所有类型	强制标注[不确定]+置信度+替代方案	22	盲目断言↓67%

Prompt变更 → 效果因果追踪

变更事件	变更内容	评测结果	生产效果(7天)	业务方反馈	因果判定
v1→v2	+不确定结论标注	幻觉率7.8%→4.2%	幻觉率↓3.6%	"结论可信度提升"	✓ 确认因果
v2→v3	+数值二次校验+证据点最低3个	幻觉率4.2%→1.6%	数值偏差↓0.25%	"数值终于准确了"	✓ 确认因果
实验#12	+金融数值专校验	数值偏差0.3%→0.05%	进行中(Day3)	待收集	⏳ 实验中

效果回退告警

✓ 未触发回退最近7天所有Prompt变更均带来正向效果

回退触发条件: 成功率下降>2% | 幻觉率上升>1% | 业务方投诉≥3次 | 三层治理拦截率上升>5%

推理链路

三层治理过滤日志

数据分级追踪

合规报告

推理链路追溯 · #AML-2024-00872024-01-16 14:32 · 调查员: 张伟

Step 1

客户画像构建

调用 MCP query_customer_profile → 客户画像(姓名**[已脱敏]**、42岁、贸易公司法人、关联账户3个)

2.3s · 420token

Step 2

交易链路分析

调用 MCP analyze_transaction_chain → 3笔指向同一受益人[已脱敏]，金额合计**820万**，3天内完成

5.1s · 680token

Step 3

案例比对 & 模式识别

检索 KB 反洗钱案例库 → 匹配3个相似案例(0.87,0.82,0.75) → KB 监管规则库 → 命中2条红线: §3.1短期内多笔大额同受益人 + §5.2贸易公司法人关联异常

3.4s · 560token

Step 4 ⚡

风险评估 & 三层治理过滤 · 决策点

综合推理: risk_score=0.82 → 三层治理三层: ①合规红线命中2条(标注通过) ②PII已脱敏(通过) ③金额820万与源数据一致(通过) → 触发HITL L3

HITL L3
合规官审批

Step 5

报告生成 & 输出

输出: investigation_report + evidence_chain(5节点) + recommendation=上报 + hitl_required=true

1.2s · 340token

决策依据溯源 · risk_score=0.82

证据点	来源	引用详情	贡献权重
短期内多笔大额同受益人	KB §3.1	3天3笔→同一受益人，820万	0.35
3个相似案例命中	KB 反洗钱案例库	#47(0.87), #112(0.82), #203(0.75)	0.25
贸易公司法人关联异常	KB §5.2	法人关联3个异常账户	0.22
交易链路异常模式	MCP analyze_transaction_chain	资金流向集中、时间压缩、金额递增	0.18

权重由LLM推理过程生成，归一化总和=1.0 · 每个权重可溯源到KB条目和MCP调用结果

三层治理三层过滤日志

时间	Agent	过滤层	原始输出	过滤结果	拦截/标注
14:32:18	AML-Agent	合规红线	命中§3.1+§5.2	通过(标注)	2条红线命中，标注但未拦截
14:32:18	AML-Agent	PII脱敏	客户姓名: 张XX	通过(脱敏)	姓名→[已脱敏]，身份证→[已脱敏]
14:32:18	AML-Agent	事实校验	金额820万	通过(一致)	源数据核对: 820万 ✓
14:28:03	Credit-Agent	合规红线	建议利率4.5%	拦截!	§2.3利率低于最低标准4.8%

23次

合规红线拦截

占比1.8%

142次

PII脱敏处理

占比11.2%

8次

事实校验不一致

占比0.6%

数据分级流向追踪

案例 #AML-2024-0087 数据流向

KB: 反洗钱案例库
D3

→

AML-Agent

→

三层治理过滤
PII脱敏 ✓

→

输出
D3→D2(脱敏后)

✓ 合规: D3→D2(经PII脱敏) · ✓ 精炼摘要模式(≤500token)

⚠ 近7天数据分级违规告警 (2条)

时间	违规描述	处置
01-14	D3 KB数据被D1级Agent(临时数据分析)引用	已阻断 + 告警
01-12	CS-Agent(零售D2)调用aml-investigate MCP(风控D3) → 跨域越权	已阻断 + MCP网关拒绝

合规报告生成 · 面向银保监/人行

银保监 AI系统合规报告

AI决策透明度、HITL机制、数据分级合规

上次01-15 季度报告

人行反洗钱AI辅助合规报告

AI调查辅助合规性、三层治理有效性、数据分级

待生成Q1 半年度报告

数据项	来源	当前值	合规标准
AI决策可追溯率	审计追溯中心	100%	≥99%
HITL覆盖率	审批工作台	98.2%	≥95%
三层治理过滤覆盖率	三层治理日志	100%	100%
数据分级违规次数	数据分级追踪	2次/7天	0次/月(目标)
PII泄露事件	PII脱敏日志	0	0(红线)

数据集管理

自动回归评测

对抗性评测

业务反馈回流

场景化评测数据集

数据集	业务域	题目数	版本	覆盖场景	上次评测
反洗钱调查基准	风控	100题	v3.1	画像/交易/模式/风险	01-15 96.2%
信贷审批基准	对公	80题	v2.0	风险评估/阈值/审批/HITL	01-13 91.5%
智能客服对话基准	零售	50题	v1.5	FAQ/情绪/话术/满意度	01-14 93.6%
金融数值校验基准	跨域	60题	v1.0	金额/利率/日期精度	01-16 99.2%

反洗钱调查基准 v3.1 构成

25题

客户画像

25题

交易链路

25题

模式识别

25题

风险评估

自动回归评测 · 变更→评测→门禁

触发事件	数据集	评测结果	vs上次	门禁
Prompt v2→v3	反洗钱100题	96.2%	↑2.4%	✓ 通过
Skill v1.2→v1.3	信贷80题	91.5%	持平	⚠ 灰度观察
KB反洗钱v3.1→v3.2	反洗钱100题	96.4%	↑0.2%	✓ 通过

发布门禁规则

门禁项	阈值	说明
成功率vs上次	≥持平	不允许成功率下降
幻觉率vs上次	≤持平	不允许幻觉率上升
新增BadCase	≤3个	严重BadCase不超过3个
D3级场景	强制HITL审批	风控/合规必须人工审批

对抗性评测 · 安全韧性测试

对抗类型	测试集规模	防御机制	通过率
Prompt注入	150题	三层治理指令检测+角色边界	98.7%
越狱攻击	80题	三层治理安全边界+话题约束	97.5%
数据投毒	50题	KB版本管控+事实校验	94.0%
角色冒充	40题	身份校验+MCP ACL	99.2%
信息提取	60题	PII脱敏+输出过滤	99.8%

数据投毒 94.0% — 3个BadCase

#1: KB插入虚假法规 → Agent引用但未校验版本号 · #2: KB修改金额 → 数值校验未触发(偏差<0.5%) · #3: KB注入无关条目 → RAG误召回

改进: KB引用附带版本号+来源 · 数值阈值收紧0.1% · RAG增加来源可信度评分

业务方反馈 → 评测数据集回流

时间	业务方	反馈类型	量化记录	回流状态
01-16	调查员张伟	"风险评分偏高"	AI评分0.82 vs 人工0.65 → 偏差0.17	✓ 已回流 +3题
01-14	信贷经理王强	"建议冻结过于激进"	AI冻结率35% vs 人工12%	⏳ 待回流 +5题

业务方反馈

→

量化记录

→

回流数据集

→

回归评测

→

Prompt优化

检测中心

数值校验

逻辑一致性

幻觉标记体系

幻觉检测总览

1.6%

整体幻觉率

↓5.2%

0.3%

数值幻觉率

↓0.5%

0.8%

事实幻觉率

↓3.4%

0.5%

逻辑矛盾率

↓2.1%

时间	Agent	幻觉类型	原始输出	纠正	来源校验
01-16	Credit-Agent	数值幻觉	贷款金额500万	实际50万 → 偏差10倍	源数据核对不一致 → 三层治理阻断
01-14	AML-Agent	事实幻觉	引用法规"银保监2024年第8号"	法规不存在	KB检索未命中 → 标注[不确定]
01-13	CS-Agent	逻辑矛盾	先说"建议保留"后说"建议冻结"	自相矛盾	一致性检查 → 重新推理

零容忍策略: 数值偏差>0.5% → 阻断+HITL | 法规不存在 → 标注[不确定]+阻断 | 逻辑矛盾 → 重新推理 | 所有阻断必须审计日志

金融数值专校验机制

数值类型	校验方法	容忍阈值	阻断阈值	校验数据源
金额	源数据二次核对	0.1%	0.5%(含零偏差)	MCP: query_transaction_detail
利率	基准利率表核对	0.01%	0.1%	KB: 利率基准库
日期/期限	源数据时间戳核对	1天	7天	MCP: query_contract_detail
百分比	计算验证(A/B=C%)	0.5%	2%	实时计算校验
风险评分	模型输出一致性	0.05	0.15	二次推理比对

Agent输出
"金额500万"

→

数值提取

→

源数据核对
实际50万

→

偏差10倍
>阻断阈值

→

阻断输出
+ HITL L4

逻辑一致性检查

矛盾类型	检测方法	示例	处置	频率
结论-建议矛盾	语义比对	风险低 + 建议冻结	阻断+重新推理	0.3%/周
数值-文字矛盾	数值提取比对	文字"增长" + 数值-5%	阻断+修正	0.1%/周
前后文矛盾	上下文连贯性	Step3"无异常" + Step5"高风险"	标注+人工复核	0.4%/周
跨来源矛盾	多KB条目冲突	案例库"常见" + 规则库"红线"	标注来源+HITL判定	0.2%/周

输出幻觉标记体系

标记类型	标记符号	含义	校验方法	可信度
引用事实	[引用]	来自KB/MCP源数据	源数据核对 ✓	高(99%+)
AI推断	[推断]	LLM基于证据推理	逻辑+数值校验 ✓	中(95%+)
不确定	[不确定]	证据不足或矛盾	标注+替代方案	低
阻断	[阻断]	三层治理拦截，未输出	阻断+告警+HITL	不可信

标记示例

[引用] 客户3天内完成3笔大额交易，合计820万，受益人均为同一人 (来源: MCP analyze_transaction_chain)

[推断] 交易模式与3个历史案例相似，触发监管红线§3.1和§5.2 (推断依据: KB匹配+规则命中)

[不确定] 可能存在境外关联账户，当前数据不足以确认 (替代方案: 建议进一步调查境外资金流向)

记忆管理

上下文窗口

共享与隔离

记忆治理

Agent长期记忆管理

Agent	记忆类型	存储量	衰减策略	PII含量
AML-Agent	调查记忆	2,340条(12%)	90天衰减·案例永久·临时24h	D3级32%
Credit-Agent	审批记忆	1,120条(6%)	180天·审批结论永久·过程30天	D3级45%
CS-Agent	对话记忆	18,400条(52%)	7天·情绪30天·FAQ命中永久	D2级18%
Ops-Agent	诊断记忆	3,200条(18%)	30天·根因模式永久·告警7天	D1级2%

🧠 长期记忆(永久)

案例模式·合规红线·法规版本·审批结论

占比15%·D3级·WORM审计·不可删除

📝 工作记忆(90天)

调查过程·客户画像摘要·交易链路结果

占比55%·PII精炼摘要·衰减后自动清理

⚡ 临时记忆(24h)

当前对话上下文·工具调用中间结果

占比30%·会话结束即清理·不持久化

上下文窗口优化可视化

AML-Agent 当前会话 · Token预算 50000

System
4k

KB
10k

MCP
6k

推理
7.5k

冗余
2.5k

剩余 20k

触发条件	压缩方法	效果	安全约束
Token>80%	历史对话→摘要压缩	↓60%token	D3级对话不压缩
KB检索>top-10	bge-reranker→top-3	↓70%KB token	保留原文片段
推理链>5步	中间步骤→结论摘要	↓50%推理token	HITL决策点必须保留完整推理

会话间记忆共享 & 隔离

场景	策略	安全约束	示例
同用户·同Agent	共享工作记忆	PII不跨会话·D3仅摘要	张伟第2次调查可看第1次画像摘要
同用户·不同Agent	有限共享(Context Package)	仅精炼摘要·不传递原始对话	AML→Credit: 仅传递风险评分+证据链摘要
不同用户·同Agent	严格隔离	任何记忆不跨用户·审计独立	张伟的调查记忆 ≠ 李芳的调查记忆
跨业务域	禁止共享	风控→零售禁止	AML记忆不能被CS-Agent访问
团队级共享	审批后共享	需HITL L2·仅共享结论不含PII	调查团队共享AML案例模式(不含客户信息)

记忆治理策略

治理规则	适用范围	执行策略	审计要求
PII过期删除	所有含PII记忆	姓名/身份证: 24h强制删除 · 账号: 7天 · 金额: 30天	删除操作记录WORM审计
D3跨租户阻断	D3级所有记忆	不允许跨部门传播·仅精炼摘要模式	跨域访问→实时告警+阻断
记忆版本管理	长期记忆(永久类)	案例/红线: 版本管控·不可删除只可归档	变更记录版本号+变更人+审批人
容量上限	每个Agent	长期≤10%·工作≤50%·临时≤40%	超限自动触发衰减+清理
季度合规审查	所有Agent记忆	每季度审查: PII残留/D3越权/僵尸记忆	审查报告归档银保监合规

🟢 Hot Pool

2

复用中

🟡 Warm Pool

3

执行中

❄ Cold Pool

5

空闲

📊 队列深度

8

正常

Manager Pod 实例

Pod ID	状态	会话数	CPU	Memory	启动时间
mgr-pod-3a2f	Warm	12	45%	3.2G	08:15
mgr-pod-7b1e	Warm	8	38%	2.8G	08:15
mgr-pod-9c4d	Hot	0	5%	1.2G	07:45
mgr-pod-2f8a	Cold	0	2%	0.8G	06:00

Executor Pod 实例

Pod ID	类型	状态	Session	当前 Step	CPU	GPU
exec-r-01	Research	Warm	sess_8a3f	Step 3/5: llm_call	62%	—
exec-r-02	Research	Warm	sess_8a3f	Step 2/4: mcp_tool	35%	—
exec-a-01	Analysis	Warm	sess_7b2c	Step 4/6: llm_call	78%	45%
exec-c-01	Code	Idle	—	—	3%	—
exec-r-03	Research	Cold	—	—	1%	—

HPA 扩缩容事件

时间	Pod 类型	事件	触发条件	结果
09:32	Research	扩容 +2	队列深度 > 50	ReplicaSet: 5→7
08:00	Manager	预热 +1	工作时间预热	ReplicaSet: 3→4
22:00 (昨日)	All	缩容	非工作时间	缩至 min

纳管 Agent 列表

Agent 名称	来源	接入协议	状态	所属 Team	纳管时间
信贷审批 Agent	自研 LangGraph	A2A (gRPC)	在线	信贷风控 Team	2026-06-15
Claude Code 助手	Anthropic	MCP Server	在线	研发效能 Team	2026-06-20
数据分析助手	云厂商	聊天室总线	离线	数据平台 Team	2026-07-01
反洗钱调查 Agent	自研 AgentScope	A2A (gRPC)	在线	合规审计 Team	2026-07-05

纳管纳管配置 — 注册新 Agent

Agent Card 信息

Agent 名称接入协议 Agent 端点

权限与资源

所属 Team 可调用 Skill 可调用 MCP Server Human 协作者 (L3)

🏆 Golden 数据集

4

人工审核基准

❌ BadCase 数据集

12

本周+3

📊 OnlineSample

8

Pipeline 自动

🚀 Pipeline 执行

156

成功率 98%

Dataset 列表

名称	类型	条数	Schema	来源	更新
信贷审批 Golden v3	Golden	500	{query, context, expect, judge}	人工标注	每日
反洗钱 BadCase 集	BadCase	230	{trace_id, step, violation}	Pipeline 自动	实时
客服对话在线采样	OnlineSample	1200	{session, turns, sentiment}	Pipeline 采样	每小时
故障诊断实验集	Experiment	300	{alert, diagnosis, steps}	手动导入	手动

Pipeline 执行历史

Pipeline 名称	触发方式	处理条数	输出 Dataset	状态	耗时
客服质量-每小时采样	Cron: 0 /1 * *	10,000 → 300	客服对话在线采样	成功	12s
反洗钱 BadCase 识别	实时触发	5,000 → 200	反洗钱 BadCase 集	成功	8s
信贷审批-周度评估	Cron: 0 8 * * 1	50,000 → 500	信贷审批 Golden v3	运行中	45s

🔴 L3 受控级别 — 高安全要求

Skill 市场 iflytek/skillhub

智能体中心 LangGraph + ADK + 自托管沙箱

🔄 Workflow 工作流型

🏗️ Supervisor 主管编排型

🧠 General 通用智能体

🤝 Multi-Agent-as-Tool

知识库管理 RAGFlow + Milvus + MinIO

观测中心 LangFuse + Phoenix + OTel

评测 & BadCase Phoenix + LLM-as-Judge

企业治理三层治理 + eBPF + WORM

调度中心 Cron + Pod Pool + HPA

场景模板市场一键场景 · 组合编排

反洗钱调查助手

模型路由中心 LiteLLM + Fallback Chain

成本预算管理成本归属 · 精确核算

安全合规中心三层治理 Guard + PII Masking + Audit

用户权限中心 RBAC · LDAP/OAuth · 数据分级绑定

📋 审批工作台 HITL · Human L1/L2/L3 角色体系

数据飞轮 Pipeline + Dataset + Experience

Prompt 工程中心 Prompt = AI的源代码

合规审计追溯中心 AI决策可解释性追溯

评测基准 & 数据集管理 AI评测的生命线

幻觉检测 & 纠正金融零容忍

上下文工程 & 记忆管理 Context Engineering

运行态监控 Pod Pool + HPA + gRPC

Agent 纳管 A2A · MCP · 聊天室总线

数据资产管理 Dataset + Pipeline + Experience

🔴 L3 受控级别 — 高安全要求

Skill 市场 iflytek/skillhub

智能体中心 LangGraph + ADK + 自托管沙箱

🔄 Workflow 工作流型

🏗️ Supervisor 主管编排型

🧠 General 通用智能体

🤝 Multi-Agent-as-Tool

知识库管理 RAGFlow + Milvus + MinIO

观测中心 LangFuse + Phoenix + OTel

评测 & BadCase Phoenix + LLM-as-Judge

企业治理 三层治理 + eBPF + WORM

调度中心 Cron + Pod Pool + HPA

场景模板市场 一键场景 · 组合编排

反洗钱调查助手

模型路由中心 LiteLLM + Fallback Chain

成本预算管理 成本归属 · 精确核算

安全合规中心 三层治理 Guard + PII Masking + Audit

用户权限中心 RBAC · LDAP/OAuth · 数据分级绑定

📋 审批工作台 HITL · Human L1/L2/L3 角色体系

数据飞轮 Pipeline + Dataset + Experience

Prompt 工程中心 Prompt = AI的源代码

合规审计追溯中心 AI决策可解释性追溯

评测基准 & 数据集管理 AI评测的生命线

幻觉检测 & 纠正 金融零容忍

上下文工程 & 记忆管理 Context Engineering

运行态监控 Pod Pool + HPA + gRPC

Agent 纳管 A2A · MCP · 聊天室总线

数据资产管理 Dataset + Pipeline + Experience

企业治理三层治理 + eBPF + WORM

场景模板市场一键场景 · 组合编排

成本预算管理成本归属 · 精确核算

安全合规中心三层治理 Guard + PII Masking + Audit

幻觉检测 & 纠正金融零容忍