混合式 Hybrid Agent：
🏦 场景与客户
某金融机构的客户资料审核。其中一部分判断必须是确定性的：证件是否在有效期、字段格式是否合规、是否命中名单。另一部分是模糊的：申请事由是否合理、几份材料之间的逻辑是否自洽。前者错不起，后者规则写不完。
客户要的是能确定性判断的绝不用模型，模型只处理模糊地带，两层结论还要能说清各自由谁得出。
📅 实施节奏
- 第 1–2 周：梳理规则清单与模糊清单，写进同一份口径文档
- 第 3–4 周：规则层先上线，单独跑通并用历史数据验证
- 第 5–6 周：模型层接入，只处理规则分流过来的模糊件
- 第 7 周起：跟踪两层结论不一致率，按月复盘口径
🗝️ 方案要点
- 分层：确定性规则在前，模型在后，能规则判的绝不问模型
- 路由是规则不是模型：由显式分流器决定走哪条路，路由本身可审计
- 口径单一来源：规则与模型的判定标准写在同一份文档里，变更走同一流程
- 结论可归因：最终判定要能说清是规则判的还是模型判的
⚖️ 选型与权衡
| 选择点 | 方案 | 权衡 |
|---|---|---|
| 规则与模型分工 | 规则兜底 + 模型补盲 | 稳；代价是两套逻辑要长期维护一致性 |
| 路由方式 | 显式规则路由 | 可审计；代价是路由覆盖不到的新情况要人工补规则 |
| 两层冲突 | 规则优先 | 合规安全；代价是规则误判时模型无法纠正 |
| 模型输出用途 | 建议 + 人工确认 | 风险低；代价是自动化收益打折 |
🚧 实施难点与排查
- 口径漂移：规则改了模型提示没跟着改。把口径文档当唯一来源，变更走同一条审批
- 路由误判：本该走规则的进了模型。加抽样复核，错分样本反哺路由规则
- 模型干扰人工：在规则已判的场景反复给不同建议。限制模型只在指定环节发言
- 责任说不清：出问题不知是哪层判的。日志分层记录，两层各自留痕
💵 成本与收益
- 成本：两套系统并行维护，短期比纯模型方案贵
- 收益：合规场景下「能上生产」本身就是收益；模型只碰模糊件，调用量也低
- 算账方式：把误判导致的人工返工算进去，混合方案长期更省
🛡️ 风险与保障
- 合规：确定性判断可复现、可举证，满足审计要求
- 兜底：两层结论冲突时以规则为准并转人工
- 版本：规则库与模型提示均纳入版本管理，可回滚
- 监控：把两层结论不一致率作为核心运行指标
♾️ 可复用与演进
- 可平移到风控、反洗钱、理赔初筛等强合规场景
- 演进方向：把模型稳定判对的模糊场景逐步固化成新规则
- 再进一步：规则与模型共用一份特征口径，减少重复定义
